BAB IV HASIL ANALISIS DAN PEMBAHASAN
A. Uji Statistik Deskriptif Statistik
deskriptif
adalah
statistik
yang
berfungsi
untuk
mendeskripsikan atau member gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Berdasarkan data olahan SPSS yang meliputi Indeks Harga Saham Gabungan,Kurs Dollar AS dan Indeks Harga Saham Luar Negeri, maka akan dapat diketahui nilai maksimum, minimum, range, sum, mean, dari setiap variabel. Hal tersebut seperti yang ditunjukan pada table 4.1 berikut :
Descriptive Statistics N
Range
Minimum
Maximum
Sum
Mean
Std. Deviation
IHSG
36
1801.26
2549.03
4350.29
131520.28
3653.3411
506.18612
USD
36
1113.89
8532.00
9645.89
326965.22
9082.3672
313.69506
DOW_JONES
36
3663.11
9774.02
13437.13
428307.30
11897.4250
1098.44338
Valid N (listwise)
36
Tabel 4.1 Uji Statistik Deskriptif
50
Berdasarkan tabel 4.1 hasil statistik deskrptif untuk variabel IHSG menunjukkan jumlah responden (N) ada 36. Maka nilai IHSG terkecil (minimum) adalah 2549.3 yaitu pada bulan februari 2010 dan nilai suku bunga terbesar (maximum) adalah 4350.29 yaitu pada bulan oktober 2012. Rata-rata nilai IHSG dari 36 responden adalah 3653.3411. Nilai standar deviasi adalah 506.18612 Untuk hasil inflasi dengan menunjukkan jumlah responden (N) ada 36 maka inflasi terkecil (minimum) adalah 3.43 yaitu pada bulan maret tahun 2010, dan inflasi terbesar (maksimum) adalah 7.02 yaitu pada bulan januari tahun 2012. Rata-rata inflasi dari 36 responden adalah 4.9278. Nilai standar deviasi adalah 1.06706. Untuk hasil harga saham dengan menunjukkan jumlah responden (N) ada 36, maka harga saham terkecil (minimum) adalah 109 yaitu PT Bank Bukopin Tbk pada bulan januari tahun 2010, dan harga saham terbesar (maksimum) adalah 4.500 yaitu Bank Mandiri, Tbk pada bulan januari tahun 2012. Rata-rata harga saham dari 36 responden adalah 78.500. Nilai standar deviasi adalah 104.897.
51
B. Uji Asumsi Klasik Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesi. Analisis ini mencakup variabel independen yaitu suku bunga Indonesia dan tingkat inflasi. Sedangkan variabel dependennya yaitu harga saham. Pengujian asumsi klasik bertujuan untuk menguji kelayakan penggunaan model regresi dan kelayakan variabel bebas. Tujuan pengujian asumsi klasik adalah agar dapat menghasilkan nilai parameter yang baik sehingga nilai penelitian dapat lebih diandalkan. Uji asumsi klasik yang dilakukan dalam penelitian ini adalah sebagai berikut :
1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model statistik variabel-variabel penelitian berdistribusi normal atau tidak normal. Model regresi yang baik adalah mempunyai distribusi data normal atau mendekati normal. oleh karena itu peneliti menggunakan Uji Kolmogorov Smirnov untuk mendukung hasil model regresi seperti yang terlihat pada tabel 4.2
52
Tabel 4.2 Tabel Uji Kolmogorov-Smirnov
O n
One-Sample Kolmogorov-Smirnov Test Standardized Residual
e N Normal Parameters
36 a,b
S
Mean Std. Deviation
.0000000 .97100831
Most Extreme Differences
Absolute
.121
a
Positive
.076
Negative
-.121
Kolmogorov-Smirnov Z
.726
Asymp. Sig. (2-tailed)
.667
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS, diolah oleh Peneliti Pada uji statistic ini, bila nilai Kolmogorov-Smirnov lebih besar (>) dari α = 0,05 maka data terdistribusi normal. Dalam hasil pengolahan melalui metode Kolmogorov Smirnov terlihat bahwa nilai Kolmogorov Smirnov sebesar 726 dengan signifikasi jauh diatas 0.05 yang berarti nilai residual terdistribusi secara normal atau memenuhi asumsi normalitas.
53
Gambar 4.1 Hasil Uji Normalitas Sumber : Output SPSS Veri 19.0
Berdasarkan gambar 4.1 normal probility
plots titik-titik
menyebar berhimpit disekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal.
54
2. Uji Multikolinieritas Multikolinieritas adalah keadaan dimana terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam model regresi. Uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya hubungan linier antar variabel independen dalam model regresi (Priyatno, 2010 :81). Model regresi yang baik seharusnya tidak terjadi korelasi diatara variabel independennya. Uji multikolinieritas dengan SPSS dilakukan dengan uji regresi, dan dapat dideteksi dengan nilai patokan VIF ( Variance Inflation Factor ). Ketentuan pengambilan keputusan dalam uji multikolinieritas, yaitu jika VIF > 10, maka terjadi multikolinieritas. Tabel 4.3 Uji Multikolinieritas
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant) USD DOW_JONES
Std. Error
-249.706
1088.695
-.127
.122
.425
.035
Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
-.229
.820
-.079
-1.038
.307
.944
1.059
.922
12.187
.000
.944
1.059
a. Dependent Variable: IHSG
55
Hasil perhitungan nilai Tolerance menunjukkan tidak adanya variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai VIF juga menunjukkan tidak ada variabel independen yang memiliki nilai VIF lebih
dari
10.
Jadi
dapat
disimpulkan
bahwa
tidak
ada
multikolinieritas antar variabel independen dalam model regresi, sehingga model regresi layak dipakai untuk melihat pengaruh USD (X1), Indeks Dow Jones (X2) terhadap Indeks Harga Saham Gabungan (Y).
56
3. Uji Autokorelasi Pengujian autokorelasi betujuan untuk menguji apakah dalam model regesi linier terdapat korelasi pengganggu antara kesalahan penggaggu pada periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi diantara data pengamatan yang tersusun baik seperti data cross section dan/ atau time series. Jika terjadi autokorelasi dalam model regresi linier berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk uji autokorelasi dalam penelitian ini digunakan uji Durbin Watson untuk mendeteksi adanya autokorelasi, dapat dilakukan dengan cara melihat besaran Durbin Watson sebagai berikut :
Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4 - du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. Bial nilai DW lebih rendah daripada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar daripada nol, berarti adaautokorelasi positif.
57
Bila nilai DW lebih besar daripada (4 - dl), maka koefisien autokorelasi
lebih
kecil
daripada
nol,
berarti
ada autokorelasi negatif. Bila nilai DW terletak di antara batas atas (du) dan batas bawah (dl) ada DW terletak antara (4 - du) dan (4 - dl), maka hasilnya tidak dapat disimpulkan. Bila nilai DW terletak antara (4-du) dan (4 - dl), maka hasilnya tidak dapat disimpulkan.
Tabel 4.4 Hasil Uji Autokorelasi
b
Model Summary
Model 1
R .906
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.822
.811
220.11221
Durbin-Watson .481
a. Predictors: (Constant), DOW_JONES, USD b. Dependent Variable: IHSG
Sumber: Output SPSS 19.0
Dari output diatas dapat diketahui bahwa nilai Durbin Watson sebesar 0,481, sedangkan dari tabel DW dengan signifikasi 0,05 dan
58
jumlah data (N) = 36 serta K=3 diperoleh nilai dL sebesar 1,35365 dan dU sebesar 1,58716. Lalu diperoleh 2,64635 (4-dl) dan 2,41284 (4-du) Dari angka tersebut maka angka yang di dapat dari uji DW sebesar 0,481 berada dibawah du,dL,(4-du) serta (4-dl), hal ini menunjukkan bahwa terjadi autokorelasi positif 4. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalh homokastisitas atau tidak terjadi heterokedastisitas. Salah satu cara untuk mendeteksi ada atau tidaknya Heterokedastisitas adalah dengan menggunakan Grafik Scaterrplot. Titik –titik yang terbentuk harus menyebar secara acak, jika kondisi ini terpenuhi maka Heterokedastisitas tidak terjadi dan model regresi dapat digunakan.
59
Gambar 4.2 Hasil Uji Heteroskedaktisitas
Dari Grafik Scaterrplot dapat dilihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi Heteroskedastisitas pada model regresi, sehingga model regresi layak untuk digunakan.
60
C. Analisis Regresi Linier Berganda Analisis regresi linier berganda bertujuan untuk mengetahui seberapa besar pengaruh USD dan Dow Jones terhadap Nilai IHSG. Penelitian ini menggunakan analisis regresi linier berganda karena memiliki lebih dari satu variabel independent. Hasil perhitungan koefision determinasi ditunjukan pada tabel 4.5 berikut. Tabel 4.5 Hasil Analisis Regresi Linier Berganda
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant) USD DOW_JONES
Coefficients
Std. Error
-249.706
1088.695
-.127
.122
.425
.035
Beta
t
Sig. -.229
.820
-.079
-1.038
.307
.922
12.187
.000
a. Dependent Variable: IHSG
Berdasarkan
perhitungan
yang
dilakukan
dengan
menggunakan SPSS versi 19.0 diatas maka didapat persamaan regresi linier berganda sebagai berikut: IHSG = -249.706 - 0,127 USD + 0,425 Dow Jones
61
Dalam hal ini: 1) Konstanta sebesar -249,706 artinya jika USD dan Dow Jones nilainya 0 (nol) maka nilai IHSG sebesar -249,706. 2) Koefisien regresi variabel USD memiliki nilai sebesar -0,127. Hal ini berarti bahwa setiap adanya perubahan 1 persen nilai pada variabel USD, maka dapat Menyebabkan perubahan IHSG sebesar -0,127. 3) Koefisien regresi variabel Dow Jones memiliki nilai sebesar 0,425. Hal ini berarti bahwa setiap adanya perubahan 1 satuan nilai Dow Jones, maka dapat menyebabkan perubahan IHSG sebesar 0,425.
D. Uji Hipotesis 1. Uji Koefisien Determinasi (R2) Uji Koefisien Determinasi digunakan untuk mengetahui besarnya kontribusi yang dihasilkan dari variabel bebas yang meliputi USD dan Dow Jones terhadap variabel terikat yaitu Indeks Harga Saham Gabungan (IHSG). Nilai koefisien determinasi adalah antara nol dan satu, apabila nilai koefisien yang dihasilkan mendekati 1 (satu) maka dapat disimpulkan bahwa variabel bebas memberikan kontribusi yang besar terhadap variabel terikat.
62
Tabel 4.6 Hasil Uji Koefisien Determinasi (R2) b
Model Summary
Change Statistics
R .906
Adjusted R
Std. Error of the
R Square
Square
Estimate
Change
R Square a
.822
.811
220.11221
F Change
.822
76.049
df1
df2 2
Sig. F Change 33
.000
a. Predictors: (Constant), DOW_JONES, USD b. Dependent Variable: IHSG
Sumber : Output SPSS Versi 19.0
Pada tabel4.6 diatas dapat dilihat besarnya Adjusted RSquare adalah 0,822. Hal ini berarti 82,2% variasi variabel dependent dapat dijelaskan oleh variasi ke dua variable independent yaitu USD dan Dow Jones. Sedangkan sisanya (100% -82,2%=17,8%) dijelaskan oleh variable lain diluar variabel independent yang digunakan. Angka koefisien korelasi (R) pada tabel 4.6 sebesar 0,906 menunjukkan bahwa korelasi atau hubungan antara IHSG (variable dependent) dengan USD Dan Dow Jones (variable independent) adalah kuat karena berada di atas angka 0,5 (50%).
2. Uji signifikansi simultan (Uji statistik - F) Uji simultan dengan F-test ini bertujuan untuk mengetahui pengaruh bersama-sama variabel independent terhadap variabel dependent. Hasil uji statistik F dapat dilihat pada tabel 4.7 sebagai berikut :
63
Tabel 4.7 Hasil Uji Statistik F b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
7369024.010
2
3684512.005
Residual
1598829.684
33
48449.384
Total
8967853.694
35
F 76.049
Sig. .000
a
a. Predictors: (Constant), DOW_JONES, USD b. Dependent Variable: IHSG
Sumber :output SPSS versi 19.0, 2014
Dari uji ANOVAa atau F - test didapat nilai F hitung sebesar 76.049 dengan signifikansi sebesar 0,000 lebih kecil dari nilai 0,05. Hal ini menunjukkan bahwa regresi tersebut dapat digunakan untuk memprediksi IHSG atau dapat dikatakan USD dan Dow Jones secara bersama-sama berpengaruh terhadap IHSG.
3. Uji signifikan parameter individual (Uji statistik - t) Uji-t digunakan untuk menguji signifikansi konstanta dan variabel bebas untuk mengetahui bagaimana pengaruh USD, dan IHSG terhadap IHSG pada Kurun waktu 2010 - 2012. Hasil dari uji T dapat dilihat dalam tabel 4.8.
64
Tabel 4.8 Hasil Uji Statistik T
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant) USD
Std. Error
-249.706
1088.695
-.127
.122
.425
.035
DOW_JONES
Coefficients Beta
t
Sig. -.229
.820
-.079
-1.038
.307
.922
12.187
.000
a. Dependent Variable: IHSG
Sumber :output SPSS versi 19.0
Dari ke dua variabel bebas yang dimasukkan dalam regresi, variabel USD dan Dow Jones secara parsial berpengaruh terhadap IHSG pada Kurun Waktu 2010 – 2012 dengan nilai signifikan Dow Jones 0,000. Sedangkan variabel USD secara parsial tidak berpengaruh terhadap IHSG
65
E. Pembahasan Berdasarkan hasil analisis pengujian regresi berganda tentang pengaruh USD, dan Dow Jones Terhadap Indeks Harga Saham Gabungan (IHSG) diperoleh hasil sebagai berikut : 1.
Pengaruh USD (X1) terhadap IHSG Hasil penelitian ini sama dengan yang dilakukan oleh Ardian Agung Witjaksono (2010) yang mnemukan bahwa variabel Nilai Tukar Dollar AS terhadap
Rupiah
berpengaruh
negatif
terhadap
IHSG.
Hal
ini
menginformasikan bahwa menguatnya kurs dollar terhadap rupiah akan berdampak pada menguatnya indeks harga saham gabungan (IHSG), dan juga sebaliknya. Kenyataan ini sesuai dengan konsep bahwa jika dollar menguat terhadap rupiah (harga dollar mahal) maka kemungkinan investor akan cenderung mengalihkan investasinya dalam bentuk valas dollar AS dibandingkan berinvestasi pada saham, dan sebaliknya. 2. Dow Jones (X2) terhadap IHSG Indeks Dow Jones secara parsial berpengaruh signifikan terhadap IHSG, Pengaruh positif indeks Dow Jones terhadap IHSG mengindikasikan telah terintegrasinya pasar modal Indonesia dengan pasar modal Amerika Serikat. Hal ini menunjukkan bahwa Pasar modal Indonesia sudah terintegrasi dengan pasar modal dunia. Hal ini menimbulkan konsekuensi bahwa pergerakan pasar modal Indonesia akan dipengaruhi oleh pergerakan pasar modal dunia baik secara langsung maupun tidak langsung 66
