BAB III METOTOLOGI PENELITIAN

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
<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