BAB 4 ANALISIS DAN BAHASAN Penelitian ini bertujuan untuk mengetahui pengaruh inflasi di Indonesia, suku bunga SBI (Sertifikat Bank Indonesia), dan kurs rupiah terhadap dolar Amerika terhadap Indeks Harga Saham Gabungan (IHSG) pada Bursa Efek Indonesia serta untuk mengetahui pengaruh inflasi di Malaysia, suku bunga Bank Negara Malaysia, dan kurs ringgit terhadap dolar Amerika terhadap Kuala Lumpur Stock Exchange di Bursa Malaysia. Periode penelitian yaitu dari tahun 2010 sampai dengan tahun 2013. Dalam bab ini peneliti akan menyajikan analisis data dan pengujian dengan menggunakan teknik-teknik analisis data yang telah ditentukan. Hipotesis yang akan diuji adalah pengaruh inflasi di Indonesia, suku bunga SBI, dan kurs rupiah terhadap dolar Amerika terhadap Indeks Harga Saham Gabungan serta pengaruh inflasi di Malaysia, suku bunga BNM, dan kurs ringgit terhadap dolar Amerika terhadap Kuala Lumpur Stock Exchange. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari situs Bank Indonesia, Bank Negara Malaysia, Department of Statistics Malaysia, dan Yahoo Finance. Data inflasi di Indonesia, data suku bunga SBI, dan kurs rupiah terhadap dolar Amerika diambil dari situs Bank Indonesia, data inflasi di Malaysia diambil dari situs Department of Statistics Malaysia, data suku bunga Malaysia dan kurs ringgit terhadap dolar Amerika diambil dari situs Bank Negara Malaysia, sedangkan data IHSG dan KLSE diambil dari Yahoo Finance. 4.1 Analisis Data dan Pembahasan Data yang digunakan merupakan data time series, dimana periode penelitian adalah antara tahun 2010 sampai 2013. Data dalam penelitian ini didapatkan sumber data sekunder dari berbagai sumber. Pengolahan data dilakukan dengan menggunakan program Microsoft Excel 2007, sedangkan uji normalitas data, uji-t, uji-f, dan analisis regresi berganda yang dilakukan untuk menguji hipotesis penelitian menggunakan program SPSS Statistics 22 for Windows. 51
4.2 Deskripsi Data Statistik deskriptif digunakan dalam penelitian ini untuk mengetahui karakteristik masing-masing variabel penelitian yang berupa nilai rata-rata, nilai total, nilai variance, nilai maksimum dan minimum, serta standar deviasi. Tabel 4.1 Rangkuman Statistik Deskriptif IHSG Descriptive Statistics N Minimum Maximum Sum Mean Std. Deviation Variance Inflasi di Indonesia 48 3,43 8,79 260,99 5,4373 1,50914 2,278 Suku Bunga SBI 48 5,75 7,50 304,00 6,3333,51657,267 IHSG 48 2549,03 5068,63 186795,26 3891,5679 623,10867 388264,408 Kurs Rupiah 48 8508,00 12189,00 454038,00 9459,1250 847,61853 718457,176 Valid N (listwise) 48 Berdasarkan tabel 4.1 diatas diketahui bahwa nilai-nilai deskripsi seperti standar deviasi, mean, variance, sum, minimum, dan maximum. Nilai rata-rata inflasi di Indonesia sebesar 5,44, suku bunga SBI sebesar 6,33, kurs rupiah 9.459,12, dan rata-rata IHSG 3.891,57. Nilai minimum inflasi di Indonesia, 3,43, suku bunga SBI sebesar 5,75, kurs rupiah 8.508, dan IHSG sebesar 2.549,03. Nilai maksimum inflasi di Indonesia 8,79, suku bunga SBI sebesar 7,50, kurs rupiah sebesar 12.189, dan IHSG sebesar 5068,63. Nilai standar deviasi inflasi di Indonesia 1,51, suku bunga SBI 0,52, kurs rupiah 847,62, dan untuk IHSG sebesar 623,11. Nilai variance untuk inflasi di Indonesia sebesar 2,28, suku bunga SBI sebesar 0,267, kurs rupiah sebesar 718.457,177, dan IHSG sebesar 388.264,41. Jumlah variabel selama observasi untuk inflasi 260,99, SBI sebesar 304, kurs sebesar 454.038, dan untuk IHSG sebesar 186.795,26. Nilai deskripsi data menggambarkan karakteristik variabel yang akan diteliti secara umum.
Tabel 4.2 Rangkuman Deskriptif KLSE Descriptive Statistics N Minimum Maximum Sum Mean Std. Deviation Variance Inflasi di Malaysia 48 1,10 3,50 101,00 2,1042,75116,564 Suku Bunga BNM 48 2,08 3,20 140,89 2,9352,25010,063 Kurs Ringgit 48 2,96 3,41 150,32 3,1316,10660,011 KLSE 48 1259,16 1866,96 74936,48 1561,1767 151,80897 23045,964 Valid N 48 (listwise) Berdasarkan tabel 4.2 diatas diketahui bahwa nilai-nilai deskripsi seperti standar deviasi, mean, variance, sum, minimum, dan maximum. Nilai rata-rata inflasi di Malaysia sebesar 2,10, suku bunga BNM sebesar 2,94, kurs ringgit terhadap dolar Amerika sebesar 3,13 dan rata-rata KLSE 1.561,18. Nilai maksimum inflasi di Malaysia 3,50, suku bunga BNM sebesar 3,20, kurs ringgit 3,41, dan KLSE sebesar 1.866,96. Nilai minimum inflasi di Malaysia sebesar 1,10, suku bunga BNM sebesar 2,08, kurs ringgit 2,96, dan KLSE sebesar 1.259,16. Nilai standar deviasi inflasi di Malaysia sebesar 0,75, suku bunga BNM sebesar 0,25, kurs ringgit sebesar 0,11, dan KLSE sebesar 151,81. Nilai variance untuk inflasi di Malaysia sebesar 0,56, suku bunga BNM sebesar 0,63, kurs ringgit sebesar 0,11, dan KLSE sebesar 23.045,96. Jumlah variabel selama observasi untuk inflasi 101, Suku bunga BNM sebesar 140,89, kurs sebesar 150,32, dan untuk IHSG sebesar 74.936,48. Nilai deskripsi data menggambarkan karakterisitik variabel yang akan diteliti secara umum. 4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas Normalitas data merupakan suatu asumsi penting dalam statistik parametrik, sehingga pengujian terhadap normalitas data harus dilakukan agar asumsi dalam statistik parametrik terpenuhi.
Pengujian normalitas data dapat dilakukan dengan melihat output yang dihasilkan. Output yang dihasilkan berupa Normal P-P Plot of Regression Standarized Residual. Jika nilai-nilai sebaran data terletak di sekitar garis diagonal, maka persyaratan normalitas dapat dipenuhi. Cara lain yang digunakan adalah dengan menggunakan Kolmogrof-Smirnov. Dari tabel Kolmogrof-Smirnov diperoleh angka probabilitas atau Asymp. Sig. (2- tailed). Nilai ini dibandingkan dengan 0,05 (5%) untuk pengambilan keputusan: 1) Nilai signifikansi atau nilai probabilitas < 0,05 maka distribusi data adalah tidak normal. 2) Nilai signifikansi atau nilai probabilitas > 0,05 maka distribusi data adalah normal. Uji normalitas dilakukan dengan menggunakan uji One Kolmogorov-Smirnov terhadap nilai residual (unstandardized residual) dari model yang diteliti. Berikut adalah rangkuman hasil uji One K-S yang telah dilakukan. Tabel 4.3 Hasil Uji Normalitas IHSG One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 48 Normal Parameters a,b Mean,0000000 Std. Deviation 413,58852090 Most Extreme Differences Absolute,086 Positive,063 Negative -,086 Test Statistic,086 Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. This is a lower bound of the true significance. Sumber: Ouput SPSS,200 c,d Berdasarkan tabel IV.3, signifikansi data untuk Unstandardized Residual adalah 0,200 maka lebih besar dari 0,05 sehingga data berdistribusi normal.
Tabel 4.4 Hasil Uji Normalitas KLSE One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 48 Normal Parameters a,b Mean,0000000 Std. Deviation 90,17540615 Most Extreme Differences Absolute,080 Positive,080 Negative -,060 Test Statistic,080 Asymp. Sig. (2-tailed),200 c,d a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. This is a lower bound of the true significance. Berdasarkan tabel IV.3, signifikansi data untuk Unstandardized Residual adalah 0,200 maka lebih besar dari 0,05 sehingga data berdistribusi normal. 4.3.2 Uji Autokorelasi Uji autokorelasi pada model regresi artinya ada korelasi antar anggota sampel yang diurutkan berdasarkan waktu saling berkorelasi. Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel sebelumnya. Untuk mengetahui adanya autokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin Watson (DW). Jika nilai uji statistik Durbin Watson lebih kecil dari 1 atau lebih besar dari 3, maka residual dari model regresi bergandaterjadi autokorelasi atau tidak bersifat independen. Untuk data time series autokorelasi sering terjadi. Tapi untuk data yang sampelnya crossection jarang terjadi karena variabel pengganggu satu berbeda dengan yang lain.
Tabel 4.5 Hasil Uji Durbin-Watson IHSG Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1,748 a,559,529 427,45566,376 a. Predictors: (Constant), Kurs Rupiah, Suku Bunga SBI, Inflasi di Indonesia b. Dependent Variable: IHSG Dari tabel diatas bisa disimpulkan bahwa data IHSG sebagai model penelitian mengalami gejala autokorelasi dengan nilai uji Durbin-Watson sebesar 0,376. Tabel 4.6 Hasil Uji Durbin-Watson KLSE Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1,804 a,647,623 93,19888,507 a. Predictors: (Constant), Kurs Ringgit, Inflasi di Malaysia, Suku Bunga BNM b. Dependent Variable: KLSE Dari tabel diatas bisa disimpulkan bahwa data KLSE sebagai model penelitian mengalami gejala autokorelasi dengan nilai uji Durbin-Watson sebesar 0,507. 4.3.3 Uji Multikolinieritas Uji multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan antar variabel independen dalam suatu model. Kemiripan antar variabel independen akan mengakibatkan korelasi yang sangat kuat. Selain itu, untuk uji ini juga untuk menghindari kebiasaan dalam proses pengambilan keputusan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Uji multikolinieritas dilakukan dengan menghitung nilai VIF (Variance Inflation Faktors). Apabila nilai VIF lebih besar dari 10 maka terjadi multikolinieritas, sebaliknya apabila nilai VIF antara 1-10 maka tidak terjadi multikolinieritas. Outputnya tampak pada layar sebagai berikut.
Tabel 4.7 Hasil Uji VIF IHSG Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta T Sig. Tolerance VIF (Constant) 6338,302 1157,256 5,477,000 Inflasi di Indonesia 250,326 64,425,606 3,886,000,411 2,432 Suku Bunga SBI -969,786 159,869 -,804-6,066,000,570 1,754 Kurs Rupiah,247,092,336 2,681,010,639 1,566 a. Dependent Variable: IHSG Hasil pengujian diatas menunjukkan bahwa nilai VIF dari semua variabel independen masih diantara 1-10 jadi tidak terjadi multikolonieritas. Tabel 4.8 Hasil Uji VIF KLSE Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta T Sig. Tolerance VIF (Constant) -931,533 595,140-1,565,125 Inflasi di Malaysia -43,790 20,073 -,217-2,182,035,813 1,230 Suku Bunga BNM 570,478 65,690,940 8,684,000,685 1,460 Kurs Ringgit 290,707 152,815,204 1,902,064,696 1,436 a. Dependent Variable: KLSE Hasil pengujian diatas menunjukkan bahwa nilai VIF dari semua variabel independen masih diantara 1-10 jadi tidak terjadi multikolonieritas. 4.3.4 Uji Heteroskedastisitas Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dengan pola gambar Scatterplot. Outputnya tampak sebagai berikut:
Gambar 4.1 Grafik Scatterplot IHSG Gambar 4.2 Grafik Scatterplot KLSE
Analisis dan kesimpulannya sebagai berikut: 1. Titik-titik data menyebar di atas dan di bawah atau di sekitar 0. 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. 3. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. 4. Penyebaran titik-titik data tidak berpola. Maka dapat disimpulkan tidak terjadi heteroskedastisitas. 4.4 Pengujian Hipotesis Hasil uji regresi pada model penelitian pertama yang telah dilakukan dapat dilihat pada tabel IV.8 berikut: Tabel 4.9 Hasil Uji Regresi IHSG IHSG = 6338,302 + 250,326INF 969,786SBI + 0,247KURS Koefisien determinasi = 52,9% Nilai F = 18,624 Sig = 0,000 Sumber: Data sekunder diolah Persamaan di atas menunjukkan jika variabel inflasi, suku bunga SBI, dan kurs rupiah dianggap tetap (konstan), maka IHSG akan naik sebesar 6338,302. Nilai koefisien variabel independen inflasi sebesar 250,326 yang menunjukkan bahwa setiap ada kenaikan satu persen variabel inflasi, maka akan menaikkan IHSG sebesar 250,326 dengan syarat variabel lain dianggap konstan. Nilai koefisien variabel independen suku bunga SBI sebesar -969,786 yang menunjukkan bahwa setiap ada kenaikan satu persen variabel suku bunga SBI, maka akan menurunkan IHSG sebesar 969,786 dengan syarat variabel lain dianggap konstan. Nilai koefisien variabel independen kurs rupiah sebesar 0,247 yang menunjukkan bahwa setiap ada kenaikan satu rupiah variabel kurs, maka akan menaikkan IHSG sebesar 0,247 dengan syarat variabel lain dianggap konstan.
Hasil uji regresi pada model penelitian kedua yang telah dilakukan dapat dilihat pada Tabel IV.9 berikut: Tabel 4.10 Hasil Uji Regresi KLSE KLSE = -931,533 47,390INF + 570,478SBNM + 290,707KURS Koefisien determinasi = 62,3% Nilai F = 26,900 Sig = 0,000 Sumber: Data sekunder diolah Persamaan di atas menunjukkan jika variabel inflasi, suku bunga BNM, dan kurs ringgit dianggap tetap (konstan), maka KLSE akan turun sebesar 931,533. Nilai koefisien variabel independen inflasi sebesar -47,390 yang menunjukkan bahwa setiap ada kenaikan satu persen variabel inflasi, maka akan menurunkan KLSE sebesar 47,390 dengan syarat variabel lain dianggap konstan. Nilai koefisien variabel independen suku bunga BNM sebesar 570,478 yang menunjukkan bahwa setiap ada kenaikan satu persen variabel suku bunga SBI, maka akan menaikkan KLSE sebesar 570,478 dengan syarat variabel lain dianggap konstan. Nilai koefisien variabel independen kurs ringgit sebesar 290,707 yang menunjukkan bahwa setiap ada kenaikan satu ringgit variabel kurs, maka akan menaikkan KLSE sebesar 290,707 dengan syarat variabel lain dianggap konstan. 4.4.1 Pengujian Koefisien Regresi Secara Simultan (Uji F) Pengujian F dilakukan untuk mengetahui pengaruh variabel independen secara bersama-sama (simultan) terhadap variabel dependen yang dalam kasus ini adalah IHSG dan KLSE. Hasil dari pengujian koefisien regresi akan ditampilkan sebagai berikut.
Tabel 4.11 Hasil Uji Koefisien Regresi secara Simultan (Uji F) IHSG ANOVA a Model Sum of Squares Df Mean Square F Sig. 1 Regression 10208820,358 3 3402940,119 18,624,000 b Residual 8039606,837 44 182718,337 Total 18248427,195 47 a. Dependent Variable: IHSG b. Predictors: (Constant), Kurs Rupiah, Suku Bunga SBI, Inflasi di Indonesia Hasil pengolahan data yang menggunakan SPSS pada tabel menunjukkan nilai uji F sebesar 18,624 dengan tingkat signifikansi sebesar 0,000 (p<0,05). Hal ini dapat disimpulkan bahwa variabel inflasi di Indonesia, suku bunga SBI, dan kurs rupiah terhadap dolar Amerika berpengaruh positif signifikan secara simultan terhadap IHSG. Tabel 4.12 Hasil Uji Koefisien Regresi secara Simultan (Uji F) KLSE ANOVA a Model Sum of Squares Df Mean Square F Sig. 1 Regression 700974,922 3 233658,307 26,900,000 b Residual 382185,382 44 8686,031 Total 1083160,304 47 a. Dependent Variable: KLSE b. Predictors: (Constant), Kurs Ringgit, Inflasi di Malaysia, Suku Bunga BNM Hasil pengolahan data yang menggunakan SPSS pada tabel di atas menunjukkan nilai uji F sebesar 26,900 dengan tingkat signifikansi sebesar 0,000 (p<0,05). Hal ini dapat disimpulkan bahwa variabel inflasi di Malaysia, suku bunga BNM, dan kurs ringgit terhadap dolar Amerika berpengaruh positif signifikan secara simultan terhadap KLSE.
4.4.2 Uji Koefisien Determinasi (R 2 ) Koefisien Determinasi (R 2 ) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen dalam menjelaskan variabel dependen yang menunjukkan seberapa besar sumbangan variabel independen terhadap perubahan variabel dependen. Dalam model regresi linier berganda digunakan R-Square karena disesuaikan dengan banyaknya variabel independen yang digunakan dan sebagai indikator untuk mengetahui pengaruhnya di antara variabel independen terhadap variabel dependen. Nilai R-Square dikatakan baik bila nilainya di atas 0,5 karena nilai R-Square berkisar antara 0-1. Bila nilai R-Square mendekati 1 maka sebagian besar variabel independen menjelaskan variabel dependen sedangkan jika koefisien determinasi adalah 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen. Tabel 4.13 Uji R 2 Variabel-Variabel Independen IHSG Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1,748 a,559,529 427,45566,376 a. Predictors: (Constant), Kurs Rupiah, Suku Bunga SBI, Inflasi di Indonesia b. Dependent Variable: IHSG Hasil output pengolahan SPSS di atas menunjukkan bahwa nilai R Square sebesar 0,559. Nilai R Square ini dapat dikatakan baik karena nilainya melebihi 0,50. Selain itu, nilai R 2 yang telah disesuaikan (adjusted R Square) sebesar 0,529 yang artinya variabel IHSG dapat dijelaskan oleh variabel inflasi, suku bunga SBI, dan kurs rupiah sebesar 52,9%, sedangkan 47,1% dijelaskan oleh variabel-variabel lain di luar variabel independen yang ada. Variabel lain tersebut bisa saja pertumbuhan GDP maupun harga minyak di dunia.
Tabel 4.14 Uji R 2 Variabel-Variabel Independen KLSE Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1,804 a,647,623 93,19888,507 a. Predictors: (Constant), Kurs Ringgit, Inflasi di Malaysia, Suku Bunga BNM b. Dependent Variable: KLSE Hasil output pengolahan SPSS di atas menunjukkan bahwa nilai R Square sebesar 0,647. Nilai R Square ini dapat dikatakan baik karena nilainya melebihi 0,50. Selain itu, nilai R 2 yang telah disesuaikan (adjusted R Square) sebesar 0,623 yang artinya variabel IHSG dapat dijelaskan oleh variabel inflasi, suku bunga SBI, dan kurs rupiah sebesar 62,3%, sedangkan 37,7% dijelaskan oleh variabel-variabel lain di luar variabel independen yang ada. Sama seperti di Indonesia dan negara-negara lainnya, variabel lain tersebut bisa saja pertumbuhan GDP maupun harga minyak di dunia. 4.4.3 Pengujian Koefisien Regresi secara parsial (Uji t) Uji ini digunakan untuk mengetahui pengaruh dari masing-masing variabel independen terhadap variabel dependen secara parsial, dengan asumsi variabel independen yang lain konstan. Hasil uji koefisien regresi secara parsial dapat dilihat pada tabel berikut.
Tabel 4.15 Hasil Uji Koefisien Regresi secara Parsial (Uji t) IHSG Unstandardized Coefficients T Sig. Model B 1 (Constant) 6338,302 5,477,000 Inflasi di Indonesia 250,326 3,886,000 Suku Bunga SBI -969,786-6,066,000 Kurs Rupiah,247 2,681,010 a. Dependent Variable: IHSG Berdasarkan hasil pengujian di atas, dapat dijelaskan bahwa semua variabel independen berpengaruh signifikan terhadap variabel dependen. Penjelasan dari pengaruh parsial dari masing-masing variabel independen dalam penelitian ini diuraikan sebagai berikut: 1) Uji Pengaruh Inflasi di Indonesia terhadap IHSG. Berdasarkan hasil pengujian, didapatkan hasil t hitung sebesar 3,886 dan nilai signifikansi t 0,000 (p < 0,05). Dengan demikian Ho ditolak dan Ha diterima, yaitu inflasi di Indonesia berpengaruh positif dan signifikan terhadap IHSG. Sehingga, besar kecilnya inflasi di Indonesia mempengaruhi nilai dan harga saham perusahaan yang terdaftar dalam indeks saham IHSG. Hasil penelitian ini didukung dan konsisten dengan penelitian yang dilakukan oleh Serkan Yilmaz Kandir (2008) yang menemukan bahwa tingkat inflasi berpengaruh secara signifikan terhadap tiga dari dua belas portofolio yang diteliti dan berpengaruh positif. 2) Uji Pengaruh Suku Bunga SBI terhadap IHSG. Berdasarkan hasil pengujian didapatkan hasil t hitung sebesar -6,066 dan nilai signifikansi t sebesar 0,000 (p < 0,05). Dengan demikian, Ho ditolak dan Ha diterima, yaitu suku bunga SBI berpengaruh negatif dan signifikan terhadap IHSG.
Hal ini bisa disebabkan karena meningkatnya suku bunga mengakibatkan para investor cenderung tertarik untuk memilih menyimpan uangnya di bank daripada berinvestasi saham di pasar modal, sehingga menyebabkan harga saham menurun. Hasil penelitian ini konsisten dengan Kandir (2008) yang menemukan bahwa tingkat bunga mempengaruhi secara negatif return semua portofolio yang diteliti. 3) Uji Pengaruh Kurs Rupiah terhadap IHSG. Berdasarkan hasil pengujian didapatkan hasil t hitung sebesar 2,681 dan nilai signifikansi t sebesar 0,010 (p <0,05). Dengan demikian, Ho ditolak dan Ha diterima, yaitu kurs rupiah berpengaruh positif dan signifikan terhadap IHSG. Hal ini mengindikasikan bahwa hubungan antara kurs rupiah dan harga saham memiliki persamaan arah, artinya semakin kuat nilai rupiah terhadap dolar Amerika (rupiah terapresiasi) maka akan meningkatkan harga saham, dan sebaliknya. Hasil penelitian ini konsisten dengan hasil penelitian Kandir (2008) yang menunjukkan bahwa nilai kurs berpengaruh secara positif terhadap return dari semua portofolio yang ada. Tabel 4.16 Hasil Uji Koefisien Regresi secara Parsial (Uji t) KLSE Unstandardized Coefficients T Sig. Model B 1 (Constant) -931,533-1,565,125 Inflasi di Malaysia -43,790-2,182,035 Suku Bunga BNM 570,478 8,684,000 Kurs Ringgit 290,707 1,902,064 a. Dependent Variable: KLSE Berdasarkan hasil pengujian di atas, dapat dijelaskan bahwa tidak semua variabel independen berpengaruh signifikan terhadap variabel dependen. Penjelasan dari pengaruh parsial dari masing-masing variabel independen dalam penelitian ini diuraikan sebagai berikut:
1) Uji Pengaruh Inflasi di Malaysia terhadap KLSE. Berdasarkan hasil pengujian didapatkan hasil t hitung sebesar -2,182 dan nilai signifikansi t sebesar 0,035 (p < 0,05). Dengan demikian Ho ditolak dan Ha diterima, yaitu inflasi di Malaysia berpengaruh negatif dan signifikan terhadap KLSE. Sehingga, besar kecilnya inflasi di Malaysia mempengaruhi nilai dan harga saham perusahaan yang terdaftar dalam indeks saham KLSE. 2) Uji Pengaruh Suku Bunga BNM terhadap KLSE. Berdasarkan hasil pengujian didapatkan hasil t hitung sebesar 8,684 dan nilai signifikansi t sebesar 0,000 (p < 0,05). Dengan demikian, Ho ditolak dan Ha diterima, yaitu suku bunga BNM berpengaruh positif dan signifikan terhadap KLSE. Hal ini mengindikasikan bahwa hubungan antara suku bunga BNM dan harga saham memiliki persamaan arah, artinya semakin besar suku bunga BNM maka akan meningkatkan harga saham, dan sebaliknya. 3) Uji Pengaruh Kurs Ringgit terhadap KLSE. Berdasarkan hasil pengujian didapatkan didapatkan hasil t hitung sebesar 1,902 dan nilai signifikansi t sebesar 0,064 (p > 0,05). Dengan demikian, Ho diterima dan Ha ditolak, yaitu kurs ringgit terhadap dolar Amerika tidak berpengaruh signifikan terhadap KLSE. Emiten-emiten yang berorientasi ekspor atau emiten berskala multinasional yang menerima dampak positif dari kenaikan dolar Amerika dan harga saham dari emiten tersebut cenderung naik, sedangkan emiten-emiten yang kegiatan operasional perusahaannya masih berbasis di negara sendiri dan menggunakan mata uang ringgit sebagai mata uang transaksionalnya tidak menerima dampak dari kenaikan dolar Amerika.
71