BAB IV HASIL DAN PEMBAHASAN IV.1 Statistik Deskriptif Statistik deskriptif merupakan statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bemaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono, 2007: 142). Deskripsi suatu data dilihat dari varian, nilai terkecil (minimum), nilai terbesar (maksimum), nilai rata-rata (mean), dan standar deviasi. Tabel 4.1 Descriptive Statistics
IHSG M2 KURS INFLASI Valid N (listwise)
N 28 28 28 28
Minimum 1285 1874145,25 7326,84 -,32
Maximum 3819 2471205,79 9142,63 1,57
Mean 2702,66 2145237,1493 8345,6204 ,3536
Std. Deviation 745,556 190744,71044 430,68406 ,46299
28
Berdasarkan tabel 4.1 dapat disimpulkan bahwa variabel IHSG memiliki rata-rata (mean) sebesar 2702,66 dengan nilai terkecil (minimum) sebesar 1285 dan nilai terbesar (maximum) 3819. Standar deviasi sebesar 745,556 menunjukkan bahwa besarnya nilai rata-rata IHSG adalah peningkatan maksimum yang mungkin adalah +745,556 sedangkan penurunan nilai rata-rata IHSG yang mungkin adalah -745,556.
39
Variabel M2 sampel memiliki rata-rata sebesar 2145237,1493 dengan nilai terkecil (minimum) sebesar 1874145,25 dan nilai terbesar (maximum) 2471205,79. Standar deviasi sebesar 190744,71044 menunjukkan bahwa besarnya nilai rata-rata M2 adalah peningkatan maksimum yang mungkin adalah +190744,71044 sedangkan penurunan nilai rata-rata M2 yang mungkin adalah -190744,71044. Variabel kurs sampel memiliki rata-rata sebesar 8345,6204 dengan nilai terkecil (minimum) sebesar 7326,84 dan nilai terbesar (maximum) 9142,63. Standar deviasi sebesar 430,68406 menunjukkan bahwa besarnya nilai rata-rata kurs adalah peningkatan maksimum yang mungkin adalah +430,68406 sedangkan penurunan nilai rata-rata kurs yang mungkin adalah -430,68406. Variabel inflasi sampel memiliki rata-rata sebesar 0,3536 dengan nilai terkecil (minimum) sebesar -0,32 dan nilai terbesar (maximum) 1,57. Standar deviasi sebesar 0,46299 menunjukkan bahwa besarnya nilai rata-rata inflasi adalah peningkatan maksimum yang mungkin adalah +0,46299 sedangkan penurunan nilai rata-rata inflasi yang mungkin adalah -0,46299.
40
IV.2 Hasil Uji Stasioner Sekumpulan data dinyatakan stasioner jika nilai rata-rata dan varian dari data time series tersebut tidak mengalami perubahan secara sistematiik sepanjang waktu, atau sebagai ahli menyatakan rata-rata dan variannya konstan. Gambar 4.1 Ln IHSG LN IHSG PERIODE JANUARI2009-APRIL2011 Value LN_IHSG
8.20 8.00 7.80 7.60 7.40 7.20 7.00 01.01.2009
01.04.2009
01.07.2009
01.10.2009
01.01.2010
01.04.2010
01.07.2010
01.10.2010
01.01.2011
01.04.2011
Date
Dapat dilihat pada gambar 4.1 Ln IHSG mengalami perubahan waktu, dimana dengan berjalannya waktu maka IHSG cendrung mengalami penurunan. Gambar 4.2 Ln Jumlah Uang Beredar (M2) LNM2 PRIODE JANUARI2009-APRIL2011
Value LN_M2
14.70
14.60
14.50
14.40 01/01/2009 04/01/2009 07/01/2009 10/01/2009 01/01/2010 04/01/2010 07/01/2010 10/01/2010 01/01/2011 04/01/2011
Date
41
Dapat dilihat pada gambar 4.2 Ln Jumlah uang beredar (M2) mengalami perubahan waktu, dimana dengan berjalannya waktu maka M2 cendrung mengalami kenaikan. Gambar 4.3 Ln Kurs
LNKURS PRIODE JANUARI2009-APRIL2011 Value LN_KURS
9.15 9.10 9.05 9.00 8.95 8.90 8.85 01/01/2009 04/01/2009 07/01/2009 10/01/2009 01/01/2010 04/01/2010 07/01/2010 10/01/2010 01/01/2011 04/01/2011
Date Dapat dilihat pada gambar 4.3 Ln Kurs mengalami perubahan waktu, dimana dengan berjalannya waktu maka M2 cendrung mengalami penurunan. Gamabar 4.4 Inflasi
Value INFLASI
LN INFLASI PERIODE JANUARI2009-APRIL2011 2.00 1.50 1.00 0.50 0.00 -0.50 01.01.2009 01.04.2009 01.07.2009 01.10.2009 01.01.2010 01.04.2010 01.07.2010 01.10.2010 01.01.2011 01.04.2011
Date Dapat dilihat pada gambar 4.4 inflasi dari data time series tersebut tidak mengalami perubahan secara sistematiik sepanjang waktu. 42
Dari keempat grafik diatas dapat dilihat bahwa hanya variabel inflasi yang stasioner sedangkan ketiga variabel lainnya tidak stasioner, sehingga digunakan variabel t (waktu) sebagai tren variabel yang berfungsi sebagai detrending atau menghilangkan tren. IV.3 Hasil Uji Asumsi Klasik Pengujian asumsi klasik dilakukan agar hasil analisis regresi memenuhi kriteria BLUE (best linier unbiased estimator). Uji asumsi klasik terdiri dari uji normalitas data, uji multikolinieritas, uji heteroskedastisitas dan. uji autokorelasi. IV.3.1 Hasil Uji Normalitas Data Uji normalitas data yang dipergunakan adalah dengan melihat grafik normal propability plot. Plots yang dipergunakan adalah Normal Probability Plots dan sumbu yang dipergunakan yaitu sumbu X - predicted dependent variables atau ZPRED serta pada sumbu Y - residual atau ZRESID, hasil pengolahan software SPSS ditunjukkan pada gambar 4.5 Normal Plot.
43
Gambar 4.5 Normal Plot
Gambar 4.5 , grafik normal plot terhadap faktor regulasi terlihat bahwa titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Yang menunjukkan bahwa data telah terdistribusi secara normal. IV.3.2 Hasil Uji Multikolinearitas Uji multikolinieritas ini bertujuan untuk mengetahui apakah tiap-tiap variabel bebas saling berhubungan secara linier. Pengujian ini dilakukan dengan melihat dari nilai tolerance dan Variance Inflation Faktor (VIF). Jadi bila nilai tolerance rendah sama dengan nilai VIF tinggi dan menunjukkan adanya kolinieritas tinggi. Nilai yang
44
umum dipakai adalah nilai tolerance 0.10 atau sama dengan nilai VIF diatas 10. bila tidak ada VIF yang lebih dari 10 berarti tidak ada multikolinieritas antar variabel bebas dalam model regresi. (Gujarati, 2007). Tabel 4.2 Coefficients(a) Model
1
Unstandardized Coefficients Std. B Error
(Constant)
45,386
14,003
LN_M2
-2,788
1,012
,352 ,110 -,008
LN_KURS INFLASI t
Standardized Coefficients
t
Sig.
Beta
Collinearity Statistics Tolerance
VIF
3,241
,004
-,833
-2,754
,012
,033
30,033
,402
,065
,876
,391
,555
1,801
,037 ,011
,173 -,214
2,980 -,736
,007 ,470
,903 ,036
1,107 27,868
a Dependent Variable: LN_IHSG Dari table 4.2 dapat disimpulkan bahwa VIF yang diperoleh dari variabel jumlah uang beredar (M2) adalah 30,003 dan variabel t 27,868 dimana kedua variabel ini mengalami masalah multikolinear karena nilai VIF berada diatas 10. Sedangkan variabel kurs, memiliki nilai VIF sebesar 1,801 dan variabel inflasi memiliki nilai VIF sebesar 1,107 yang berarti dimana variabel kurs, dan inflasi tidak mengalami masalah multikolinear karena nilai VIF berada dibawah 10. Karena jumlah uang beredar (M2) mengalami masalah multikolinear maka penelitian akan mengeluarkan M2, agar tidak terjadi multikolinier dengan variabel t. Pada table 4.3 menyajikan hasil regresi tanpa M2.
45
Tabel 4.3 Coefficients(a) Model
Unstandardized Coefficients B
Std. Error
1 (Constant)
8,013
3,924
LN_KURS
,037
,437
INFLASI
,099 -,036
t
Standardized Coefficients
t
Sig.
Beta
Collinearity Statistics Tolerance
VIF
2,042
,053
,007
,085
,933
,604
1,655
,042
,156
2,382
,026
,914
1,094
,003
-,991
-11,884
,000
,564
1,774
a Dependent Variable: LN_IHSG Dapat dilihat pada table 4.3 setelah M2 dihilangkan, maka semua variabel tidak mengalami masalah multikolinier, karena semua nilai VIF berada di bawah 10. IV.3.3 Hasil Uji Heterokedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Pengujian heterokedastisitas dilakukan dengan menggunakan grafik scatterplot yang tersedia pada software SPSS.
46
Gambar 4.6
Dari gambar 4.6 scatterplot terlihat bahwa titik-titik menyebar secara acak tersebar baik di atas maupun di bawah angka nol pada sumbu Y, hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Heteroskedastisitas terjadi ketika hubungan antara prediksi dan residu membentuk sebuah pola. Di sisi lain homoskedastisitas adalah kondisi ketika nilai residu pada tiap nilai prediksi bervariasi dan variasinya cenderung konstan.
47
IV.3.4 Hasil Uji Otokorelasi Uji otokorelasi dilakukan dengan menghitung nilai Durbin-Watson d statistics. Korelasi serial dalam residual tidak terjadi jika nilai d berada di antara batas dU dan 4dU. Hasil Uji Durbin Watson pada penelitian ini dapat dilihat pada tabel 4.4 Tabel 4.4 Model Summary(b)
Model 1
R ,954(a)
R Square
Adjusted R Square
,910
,898
Std. Error of the Estimate ,09169
Durbin-Watson 1,661
a Predictors: (Constant), t, LN_INFLASI, LN_KURS b Dependent Variable: LN_IHSG Dengan variabel sebanyak tiga buah dan sampel sebesar 28, nilai dL adalah 0,949 dan nilai du sebesar 1,413. Dengan demikian, nilai d hasil analisis berada dU (4-dU) atau 1,661 lebih besar dari 1,413 dan lebih kecil dari 2,587 maka dapat disimpulkan bahwa dalam model regresi linear ini tidak tetrdapat otokorelasi atau tidak terjadi korelasi diantara kesalahan pengganggu. IV.4 Hasil Uji Hipotesis Pengujian hipotesis dilakukan dengan tujuan untuk menguji ada tidaknya pengaruh dari variabel independen terhadap variabel dependen. Berikut adalah hasil dari pengujian dengan regresi linear berganda.
48
1. Uji Koefisien Regresi dengan uji t Tabel 4.5 Uji t Model
Unstandardized Coefficients B
Standardized Coefficients
Std. Error
1 (Constant)
8,013
3,924
LN_KURS
,037
,437
INFLASI
,099 -,036
t
t
Sig.
Beta 2,042
,053
,007
,085
,933
,042
,156
2,382
,026
,003
-,991
-11,884
,000
a Dependent Variable: LN_IHSG a. Pengaruh Variabel Kurs Nilai t-hitung = 0,085 sedangkan t-tabel = 2,06 maka │t-hitung │< t-tabel sehingga Ho tidak ditolak atau nilai-p = 0,933/2 = 0,4665>0,05 sehingga Ho tidak ditolak, artinya kurs tidak berpengaruh terhadap IHSG. Hasil ini tidak mendukung hipotesis 1, dikarenakan pada saat penelitian dilakukan yaitu pada periode Januari 2009-April 2011 kurs cendrung setabil. b. Pengaruh Variabel Inflasi Nilai t-hitung = 2,382 > t-tabel atau nilai-p = 0,026/2 = 0,013< 0,05 sehingga Ho ditolak, artinya inflasi berpengaruh positif terhadap IHSG hasil ini mendukung hipotesis 2 . Hasil ini juga sama dengan penelitian Sudjono (2002), Gede Budi Satrio (2006). Jika inflasi naik 1 unit (atau 1% ), maka IHSG naik 0,099 X 100% = 9,9% variabel-variabel bebas lainnya konstan. c. Variabel t Nilai │t-hitung│ 11,884> t-tabel atau nilai-p 0,000<0,05 sehingga Ho ditolak, artinya variabel t (waktu) berpengaruh negatif terhadap IHSG, jika t naik 1 unit atau (1 bulan) maka IHSG turun sebesar 0,036 X 100% =3,6% variabel-variabel 49
bebas lainnya konstan. Hasil ini sesuai dengan gerafik 4.1 yang menunjukan pada periode penelitian , dengan berjalannya waktu terjadi penurunan IHSG. 2. Hasil uji Koefisien Determinasi dengan uji F Tabel 4.6 Uji F Mode Sum of Mean l Squares Df Square 1 Regression 1,953 3 ,651 Residual ,193 23 ,008 Total 2,146 26 a Predictors: (Constant), t, INFLASI, LN_KURS b Dependent Variable: LN_IHSG
F 77,429
Sig. ,000(a)
Dari tabel 4.6 dapat dilihat bahwa uji F test menghasilkan nilai F-hitung sebesar 77,429 > F-tabel 3,01 dengan nilai-p sebesar 0,0000 < 0,05. Karena nilaip lebih kecil dari 0,05, maka H0 ditolak, artinya tidak semua variabel independent secara simultan tidak berpengaruh terhadap IHSG, dengan kata lain model yang digunakan sudah cocok (good of fit) Tabel 4.7 R2 Model 1
R ,954(a)
R Square ,910
Adjusted R Square ,898
Std. Error of the Estimate ,09169
Koefisien determinasi atau R2 = 0,91 artinya 91% perubahan IHSG dapat dijelaskan oleh ketiga variabel independen (inflasi, kurs, t) secara bersama-sama, sedangkan sisanya 9% dijelaskan oleh variabel lain yang belum ada dalam model penelitian.
50
