BAB IV ANALISA DAN PEMBAHASAN. Statistik Deskriptif menjelaskan karakteristik dari masing-masing

Transkripsi

1 BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Statistik Deskriptif menjelaskan karakteristik dari masing-masing variabel yang terdapat dalam penelitian, baik variabel dependen maupun variabel independent selama periode ( ) yang terdiri dari nilai minimum, maksimum, mean dan standar deviasi. Tabel 4.1 Deskrptif Statistik Descriptive Statistics N Minimum Maximum Mean Std. Deviation IHSG Kurs USD SBI Valid N (listwise) 60 Dari table 4.1 diatas menunjukan bahwa jumlah data yang dianalisis adalah sebanyak 60. Berdasarkan table tersebut diketahui bahwa: 1. Indeks Harga Saham Gabungan (IHSG) memiliki nilai minimum sebesar , maksimum sebesar , mean sebesar dan standar deviasi sebesar Suku bunga memiliki nilai minimum sebesar 6,50%, maksimum sebesar 10,35%, mean sebesar 7,6372% dan standar deviasi sebesar 1,14172%. 35

2 3. Kurs dollar memiliki nilai minimum sebesar 8533,25, nilai maksimum sebesar 11870, mean sebesar 9372,9542, standar deviasi sebesar 753, B. Uji Normalitas Data Sebagai salah satu syarat untuk melakukan uji regresi adalah data yang digunakan harus memiliki distribusi data yang normal atau mendekati normal. Untuk melakukan pengujian normalitas data penulis menggunakan One Sample Kolmogrov Smirnov Test dengan menggunakan program SPSS 17. Dasar dalam pengambilan keputusan adalah jika 2-tailed > 0,05, maka model regresi memenuhi asumsi normalitas dan sebaliknya. Dari pengujian yang dilakukan diperoleh hasil sebagai berikut Tabel 4.2 Nilai Normalitas Data One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Normal Parameters a,,b Mean Std. Deviation E2 Most Extreme Differences Absolute.088 Positive.088 Negative Kolmogorov-Smirnov Z.680 Asymp. Sig. (2-tailed).744 a. Test distribution is Normal. b. Calculated from data. 36

3 Dari tabel diatas dapat dilihat bahwa nilai Asymp. Sig. (2-tailed) nya senesar 0,744 atau nilainya lebih besar dari 0,05, maka dapat disimpulkan bahwa data pada penelitian ini terdistribusi normal. C. Uji Asumsi Klasik Regresi Berganda 1. Uji Multikolinearitas Uji Multikolinearitas dapat dideteksi pada model regresi apbila pada variabel terdapat pasangan variabel bebas yang saling berkolerasi satu sama lain. Variabel yang menyebutkan multikolinearitas dapat dilihat dari nilai VIF lebih besar dari 5 dan nilai tolerance yang lebih kecil dari 0,1 dibawah ini. Tabel 4.3 Nilai Variance Inflation Factor Coefficients a Collinearity Statistics Model 1 (Constant) Tolerance VIF Kurs USD SBI a. Dependent Variable: IHSG 37

4 Dari tabel 4.3 diatas dapat diketahui nilai variance inflation factor (VIF) kedua varibel tersebut yaitu suku bunga SBI (1,045), dan kurs dollar (1,045) lebih kecil dari 5, sehingga dapat disimpulkan bahwa model regresi tidak mengalami gangguan multikolinearitas. 2. Uji Autokolerasi Hasil analisis Durbin Watson (DW) dapat digunakan untuk mengetahui ada tidaknya autokolerasi. Ketentuan pengambilan keputusan: a. Angka DW dibawah -2 berarti ada Autokolerasi Positif, b. Angka DW diantara -2 sampai dengan +2 berarti Tidak ada Autokolerasi, c. Angka DW diatas +2 berarti ada Autokolerasi Negative. Tabel 4.4 Nilai Durbin-Watson Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson a a. Predictors: (Constant), SBI, Kurs USD b. Dependent Variable: IHSG Dari tabel 4.4 diatas menghasilkan Durbin Watson (DW) sebesar 0,733. Dari hasil tersebut dapat disimpulkan bahwa model regresi linier berganda terbebas dari autokorelasi karna angka yang dihasilkan Durbin Watson menunjukan 0,733 yang terletak antara -2 sampai

5 3. Uji Heterokedastisitas Uji Heterokedastisitas menunjukan bahwa Varian dari residual tidak sama dari satu pengamatan ke pengamatan lain. Gejala residual yang tidak sama ini disebut dengan gejala heterokedastisitas. Salah satu uji untuk menguji heterokedastisitas ini adalah Uji Park, yaitu meregresikan nilai residual (Lnei 2 ) dengan masing-masing variabel dependen (LnX1, LnX2, dan LnX3). Tabel 4.5 Hasil Uji Heteroskedastisitas Lnei 2 dengan LnX 1 Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) ln_x a. Dependent Variable: ln_ei2 Tabel 4.6 Hasil Uji Heteroskedastisitas Lnei 2 dengan LnX 2 Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) ln_x a. Dependent Variable: ln_ei2 39

6 Dari Hasil output diatas dapat dilihat bahwa nilai t Hitung adalah - 0,150 dan -2,149. Sedangkan nilai T Tabel (db = 58 taraf kepercayaan 95% (signifikansi 5%) adalah, karena T Hitung < T Tabel, maka Ho diterma artinya pengujian antara Ln ei 2 dengan Ln X 1 dan Ln ei 2 dengan Ln X 2 tidak ada gejala heteroskedastisitas. Dengan ini dapat disimpulkan bahwa tidak ditemukannya masalah heteroskedastisitas pada model regresi. E. Analisa Regresi Berganda 1. Uji R Square (R 2 ) Untuk mengetahui besarnya kontribusi variabel independent inflasi, suku bunga, kurs dollar terhadap variabel dependen yaitu IHSG, dilakukan uji koefesien determinasi sebagai berikut: KD = rxy 2 X 100% Keterangan : KD rxy 2 = Koefesien Determinasi = Kuadrat koefesien korelasi 40

7 Tabel 4.7 Nilai Koefesien Regresi Model Summary Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), SBI, Kurs USD Analisis: Hasil analisis regresi pada tabel diatas dihasilkan nilai koefesien determinasi sebesar 0,790 ( pengkuadratan dari koefesien korelasi adalah 0,889 2 ). Hal ini berarti bahwa 79% IHSG dapat dijelaskan oleh variabel bebas yang digunakan dalam penelitian. Sedangkan sisanya (100% - 79% =21%) dipengaruhi oleh faktor lain. 2. Uji Hipotesis a. Uji Signifikansi Parameter individual (t-test) Uji t digunakan untuk mengetahui apakah ada hubungan yang signifikan antara variabel-variabel bebas (tingkat inflasi, kurs dollar, dan suku bunga) terhadap varibel terikat yaitu IHSG. 41

8 Tabel 4.8 Koefesien Regresi (metode enter) dengan Variabel Bebas Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) Kurs USD SBI a. Dependent Variable: IHSG Berdasarkan tabel Koefesien Regresi (Tabel 4.8), dapat diketahui informasi sebagai berikut : 1) Jika t-hitung < t-tabel, maka Ho diterima atau tidak ada pengaruhnya signifikan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika t-hitung>t-tabel, maka Ho ditolak atau ada pengaruhnya signifikan dari variabel bebas terhadap variabel terikat. (+ dan diabaikan karena uji bersifat 2 sisi). 2) Tabel dapat dilihat dengan persamaan: db = N-k db = 60 2 = 58 3) t-tabel (db = 58 taraf kepercayaan 95% (signifikansi 0,025) adalah 2,002 42

9 4) t-hitung X1 = Oleh karena t-hitung > t-tabel (+ dan diabaikan karena uji bersifat 2 sisi), maka Ho diterima atau Kurs USD secara signifikan berpengaruh terhadap IHSG. 5) t-hitung X2 = Oleh karena t-hitung > t-tabel (+ dan diabaikan karena uji bersifat 2 sisi), maka Ho ditolak atau Suku Bunga SBI secara signifikan berpengaruh terhadap IHSG. Berdasarkan tabel 4.8 maka persamaan regresinya adalah sebagai berikut: Dimana : Y = a + b₁ x₁ + b₂ x₂ + = 17,494 8,538 X1 9,838 X2 + Y a b₁ x₁ = IHSG = konstanta = Kurs USD b₂ x₂ = Suku Bunga = Error a) Konstanta sebesar 17,494 menyatakan bahwa jika tidak terjadi perubahan Kurs USD dan Suku Bunga konstan, maka IHSG sebesar 17,494. b) Nilai b Kurs USD (b1 ) -8,538 menyatakan bahwa jika Kurs USD mengalami kenaikan sebesar 1%, maka terjadi penurunan IHSG sebesar 85.38%. 43

10 d) Nilai b Suku Bunga(b2) 9,838 menyatakan bahwa jika Suku Bunga mengalami kenaikan sebesar 1%, maka terjadi penurunan IHSG sebesar 98.38%. b. Uji Signifikansi Simultan (ANOVA/ Uji F) Tabel 4.9 Nilai F Hitung ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 2.807E E a Residual Total 3.555E7 59 a. Predictors: (Constant), SBI, Kurs USD b. Dependent Variable: IHSG Pada pengujian secara global (Uji-F) diperoleh nilai F = dengan p = 0,000. Maka dapat dipastikan secara bersama-sama variabel bebas (kurs usd dan suku bunga) berpengaruh terhadap IHSG pada taraf kepercayaan 95%. 44