BAB III METOTOLOGI PENELITIAN 3.1 Obyek Penelitian Analisis ekonomi digunakan atas dasar anggapan bahwa variabel dalam faktor – faktor ekonomi dan pasar merupakan variabel yang berpengaruh secara sistematik terhadap keberhasilan pencapaian profit bagi perusahaan. Profitabilitas bisa mempengaruhi harga saham perusahaan, dengan kata lain kemampuan perusahaan untuk menghasilkan profit diharapkan berhubungan positif dengan pergerakan harga saham perusahaan. Variabel ekonomi yang digunakan dalam penelitian ini yang diduga mempengaruhi terhadap kinerja reksadana saham adalah inflasi dan nilai tukar rupiah terhadap dollar USA.
3.2 Desain Penelitian Desain penelitian ini disajikan dalam bentuk diagram yang dapat divisualisasikan dalam alur penelitian pada gambar berikut ini:
28
29
Penulisan Skripsi Penentuan Variabel Penelitian NAB, Inflasi dan kurs Pengumpulan Data Pengumpulan Sampel Dari Tahun 2005 - 2010 Diterima
Dikeluarkan dari sampel
Metode Analisis Linier Regresi Uji Hipotesis
Signifikan
Tranformasi Data
Pembahasan Analisis Kesimpulan dan Saran Selesai Sumber
: Modifikasi dari Sugiyono (1999, p15)
Gambar 3.1
:Bagan alur Desain Penelitian
3.3 Hipotesis Berdasarkan rumusan masalah yang dikemukakan sebelumnya, maka hipotesis yang digunakan dalam penelitian ini adalah sebagai berikut: Hipotesis :
30
H0 : β1 = β2 = 0 H1 : β1 ≠ β2 ≠ 0 H1a
Inflasi berpengaruh terhaadap NAB
H1b
Kurs berpengaruh terhaadap NAB
H1c
Inflasi dan Kurs berpengaruh terhaadap NAB
3.4 Variabel dan Skala Pengukuran Variabel – variabel yang digunakan dalam penelitian ini terdiri atas variabel terikat (dependent variabel) yaitu: Kinerja reksadana saham yang ditandai dengan variabel (Y), sedangkan untuk variabel bebas (independent variabel) yang digunakan dalam penelitian ini adalah Tingkat inflasi (X1) dan Perubahan nilai tukar Rp terhadap US$ (X2). Sedangkan Skala pengukuran dalam penelitian ini menggunakan skala nominal.
3.5 Metode Pengumpulan Data Dalam penelitian ini digunakan studi deskriptif dimana seluruh data yang digunakan adalah data sekunder yang diperoleh penulis dari BAPEPAMLK maupun yang disajikan melalui online yang dipublikasikan oleh Bank Indonesia antara Januari tahun 2005 sampai dengan Desember tahun 2010 seperti: 1. Tingkat inflasi Data tingkat inflasi yang digunakan dalam penelitian merupakan data persentase bulanan indeks harga konsumen di 66 kota di Indonesia sebanyak 72 data series bulanan dihitung perbulan)
31
2. Perubahan nilai tukarRp terhadap US$ Data nilai tukar Rp terhadap US$ yang digunakan dalam penelitian merupakan data kurs tengah bulanan sebanyak 72 data series bulanan (dihitung perbulan). 3. Data Reksadana Saham. Data nilai aktiva bersih perunit (NAB/unit) bulanan diperoleh dari Bapepam untuk jenis reksadana saham yang masih aktif sejak pendiriannya sebelum Januari 2005 sampai dengan akhir Desember 2010 sebanyak 8 perusahaan (dihitung bulanan). Selain itu ada beberapa data yang dapat melalui tulisan, bahan kuliah, buku – buku yang berkaitan dengan penelitian ini, internet maupun jurnal atau artikel yang terdapat di mass media. Selanjutnya data tersebut diolah menjadi informasi yang digunakan dalam penelitian ini. 3.6 Metode analisis data Analisis data yang digunakan adalah metode statistik dengan analisis korelasi dan regresi berganda (multiple linier regression). Analisis regresi digunakan untuk menaksir harga variabel Y berdasarkan harga X yang diketahui serta taksiran perubahan variabel Y untuk setiap satuan perubahan variabel X. Dengan kata lain analisis regresi berganda (multiple liniear regression) digunakan untuk mengetahui tentang adanya ketergantungan statistik dari variabel dependen yaitu kinerja reksadana saham (Y) terhadap variabel – variabel independen (X) seperti tingkat inflasi dan perubahan nilai tukar Rp terhadap US$.
32
Model regresi linier berganda yang digunakan dalam penelitian ini adalah sebagai berikut: Y1=α +β1. X1 +β2. X2 + e Dimana : Y= Variabel Dependen Y1 = Tingkat kinerja reksadana saham X = Variabel independen yaitu: X1 = Tingkat Inflasi (INFL) .
X2 = Tingkat perubahan nilai tukar kurs dollar terhadap rupiah (KURS)
α = konstanta β = koefesien regresi (slope dari garis regresi) yang mengukur besarnya pengaruh X terhadap Y kalau X naik 1 unit dan variabel – variabel X lainnya tetap e = error term = gangguan/disturbance model analisis yang dugunakan dalam penelitian itu yaitu: Y1=α +β1. INFL +β2. KURS + є
ada 8 persamaan (8 perusahaan)
3.6.1 Asumsi Klasik Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (best linear unbiased estimator) yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat
33
autokorelasi ( Sudrajat 1988 : 164). Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. Pada penelitian ini, uji signifikansi secara otomatis dilakukan oleh program SPSS sebagai prasyarat sebelum variabel variabel tersebut dimasukkan sebagai entered variabel. Dan uji pendahuluan ini meliputi: 1. Pengujian Multikolinieritas Yang dimaksud dengan Multikolinieritas (multicollinerity) adalah situasi adanya korelasi antara variabel bebas yang satu dengan variabel bebas lainnya. Model
regresi
yang
baik
mensyaratkan
tidak
adanya
masalah
multikolinearitas. Dampak yang diakibatkan dengan adanya multikolinearitas antara lain:
Nilai standard error untuk masing – masing koefisien menjadi tinggi, sehingga t hitung menjadi rendah
Standard error of estimate akan semakin tinggi dengan bertambahnya variabel independen
Pengaruh masing – masing variabel independen sulit dideteksi
Untuk mendeteksi ada tidaknay multikolinearitas dengan melihat nilai Tolerance dan VIF. Semakin kecil nilai Tolerance dan semakin besar VIF maka semakin mensdekati terjadinya masalah multikolinearitas. Dengan
34
kebanyakan penelitian menyebutkan bahwa jika Tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak terjadi multikolinearitas. 2. Pengujian autokorelasi Istilah Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti data time series atau ruang contohnya dalam data cross sectional. Keberadaan autokorelasi dapat diidentifikasikan melalui analisis korelasi dengan menggunakan grafik atau secara statistik yang dikenal dengan statistik dari Durbin – Watson. Secara umum dapat diambil patokan untuk pengujian besaran Durbin – Watson (D – W) sebagai berikut: et – et-1 D-W et-1
Angka D – W dibawah -2, berarti terdapat autokorelasi positif.
Angka D – W diantara -2 sampai +2, berarti tidak terdapat autokorelasi
Angka D – W diatas +2, berarti terdapat autokorelasi negatif
3. Pengujian Heteroskedastisitas Heteroskedastisitas adalah keadaan dimana terjadinya ketiksamaan varian dari residual pada model regresi. Model regresi yang baik mensyaratkan tidak adanya masalah heteroskedastisitas. Heteroskedastisitas menyebabkan penaksir atau estimator menjadi tidak efesien dan nilai koefisien determinasi akan menjadi sangat tinggi.
35
Untuk mendeteksi ada tidaknya heteroskedastisitas dengan melihat pola titik - titik pada scatteplots regresi. Jika titik – titik menyebar dengan pla tidak jelas diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi masalah heteroskedastisitas.
3.6.2 Pengolahan Data Menggunakan Program SPSS Dalam pengolahan data dari hasil penelitian menggunakan perangkat lunak (software) yaitu SPSS (Statistical Package for the Social Science, yang telah diperluas menjadi Statistical Product and Service Solutions). Dengan menggunakan analisis tersebut didapat koefesien jalur dan koefesien korelasi, sehingga diketahui besarnya pengaruh total variable penyebab terhadap variable akibat (penjumlahan dari pengaruh langsung dan pengaruh tidak langsung melalui hubungan korelatif dengan variable penyebab lainnya) Dalam pengolahan data menggunakan program SPSS, uuji yang dilakukan meliputi: 1. Uji R2 (koefisien Determinasi) Pengujian kontribusi pengaruh dari seluruh variable bebas secara bersama–sama terhadap variable terikat dapat dilihat dari koefesien Determinasi berganda (R2). Nilai R2mempunyai range antara 0 sampai dengan 1. semakin besar R2 (mendekati nilai 1) menunjukkan semakin kuatnya pengaruh variable – variable bebas (X) terhadap variable terikat (Y) dan dapat menunjukkan hasil regresi baik serta semakin mendekati 0 maka variable independent secara keseluruhan tidak bias menjelaskan variable dependen.
36
2. Uji F (Uji Signifikasi Linier Berganda) Pengujian ini dimaksudkan untuk mengetahui apakah regresi (berbentuk linier) yang diperoleh berdasarkan hasil penelitian memiliki arti bila digunakan dalam penarikan kesimpulan mengenai hubungan sejumlah variabel yang dipelajari. Asumsi bahwa garis regresi yang dihasilkan bersifat linier, yaitu membentuk garis lurus, berarti bahwa hubungan antara (semua) variabel independen dan variabel dependennya bersifat linier. Bila asumsi ini menyimpang jauh, maka hasil prediksinya akan bias secara berarti. Untuk menguji keberartian regresi linier berganda dilakukan dengan membandingkan nilai Fhitung dengan Ftabel Hipotesis : H0 : β1 = β2 = 0 artinya bahwa tidak terdapat pengaruh yang signifikan (nyata) dari seluruh variabel bebas (X1 dan X2) terhadap variabel terikat (Y). H1 : β ≠ 0 artinya bahwa terdapat pengaruh yang signifikan (nyata) dari seluruh variabel bebas (X1 dan X2) terhadap variabel terikat (Y). Adapun
rumus
Fhitung
yang
digunakan
adalah
(Mulyono,2000,p106): R2 / (k - 1) F
hitung
= (1 – R2 ) / (n – k)
Untuk pengujian statistiknya dengan kriteria sebagai berikut:
sebagai
berikut
37
Bila nilai F
>F
hitung
tabel
yang diperoleh dari tabel distribusi F dengan taraf
signifikansi 5% maka Ho ditolak.
Bila nilai F
hitung
tabel
yang diperoleh dari tabel distribusi F dengan taraf
signifikansi 5% maka Ho diterima.
3. Uji Koefisien Regresi (Uji t) Kehandalan regresi sebagai alat estimasi adalah ditentukan oleh signifikansi parameter – parameter regresi yang dalam hal ini adalah nilai koefisien regresi (bi). Apabila nilai – nilai koefisien tersebut tidak dapat diabaian dari model regresi tersebut. Untuk itu diperlukan pengujian keberartian regresi (bi) dengan uji t sebagai berikut: bi t
= S
bi
, dimana Sbi =Standar error koefisien regresi
S2 y.12 ...k S
bi
= Sx2
ij
(1 – R2 i )
Pengujian terhadap koefisien regresi linier berganda sangat penting untuk menyimpulkan apakah terdapat pengaruh yang cukup berarti antara perubahan
38
variabel independen terhadap perubahan variabel dependen. Untuk melakukan pengujian terhadap koefisien regresi linier dapat dilihat dari uji t. Hipotesis : H0 : β1 = 0 artinya tidak terdapat pengaruh yang signifikan dari variabel bebas (X) terhadap variabel terikat (Y). H1 : β1 = 0 artinya bahwa terdapat pengaruh yang signifikan dari variabel bebas (X) terhadap variabel terikat (Y). Dasar pengambilan keputusan: 1. Dengan membandingkan statistik hitung dengan statistik tabel:
Bila statistik t hitung < statistik t tabel, maka koefisien regresi antara variabel independen dengan variabel dependen menjadi tidak berarti (Ho diterima)
Bila statistik t hitung > statistik t tabel, maka koefisien regresi antara variabel independen dengan variabel dependen menjadi berarti (Ho ditolak).
2. Dengan berdasarkan probabilitas:
Jika probabilitas > 0,05 maka Ho diterima,
Jika probabilitas < 0,05 maka Ho ditolak
