PENDAHULUAN

PAGE 8-1Modul Laboratorium Analisis Kuantitatif

ALAT ANALISIS 4

Prosedur Analisis Data Multivariat

Analisis data multivariate dibagi menjadi dua kelompok yaitu :

Metode Multivariat interdependen

Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan dalam arti tidak ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen) ataupun variabel yang mempengaruhi (independen)

Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur hubungan sejumlah variabel atau mengetahui susunan dari seluruh variabel yang diteliti.

Jenis alat analisis data multivariate interdependen dapat antara lain :

Analisis faktor merupakan metode statistik multivariate yang bertujuan untuk mengelompokkan sejumlah variabel atau mereduksi sejumlah variabel menjadi beberapa factor. Tugas dari peneliti adalah menentukan nama dari factor-faktor dimana sejumlah variabel telah direduksi tersebut.

Analisis kluster bertujuan untuk mengelompokkan objek ke dalam kelompok-kelompok yang disebut kluster berdasarkan sejumlah variabel-variabel yang dijadikan dasar untuk pengelompokkan tersebut.

Metode Multivariat dependen

Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan dalam arti ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen) ataupun variabel yang mempengaruhi (independen)

Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur hubungan sejumlah variabel atau mengetahui susunan dari seluruh variabel yang diteliti. Jenis alat analisis data multivariate dependen dapat antara lain : Structural Equation Model (SEM)

Merupakan satu teknik analisis statistik yang dapat digunakan untuk meregresi suatu persamaan regresi berganda yang diestimasi secara simutlan. Di dalam model SEM ini, suatu variabel terikat di satu persamaan tertentu dapat menjadi variabel bebas di persamaan lain

Model SEM juga dapat digunakan untuk menjelaskan hubungan tidak langsung (indirect effect) pengaruh dari suatu variabel terhadap variabel lain.

Analisis Korelasi Kanonikal

Merupakan salah satu teknik analisis statistik yang bertujuan untuk mencari korelasi/hubungan antara sejumlah variabel terikat dengan variabel bebas secara simultan

Multivariate Analysis of VarianceTujuan dari analisis ini adalah untuk menguji apakah rata-rata perbedaan dari dua kelompok variabel atau lebih untuk sejumlah variabel yang ingin diuji perbedaannya tersebut.

Analisis regresi bergandaSatu teknis analisis statistik yang bertujuan untuk memprediksi perilaku dari suatu variabel terikat yang memiliki skala interval/rasio dimana variabel bebas (independen) yang memprediksinya juga memiliki skala pengukuran interval/rasio.

Analisis konjoin Satu teknis analisis statistik yang bertujuan untuk mencari korelasi antara variabel terikat yang memiliki skala interval/rasio dengan variabel-variabel bebas yang memiliki skala nominal/ordinal

Analisis diskriminan Merupakan satu teknis analisis yang dapat digunakan untuk menentukan variabel-variabel bebas (independen) apa saja yang paling membedakan antara variabel-variabel terikat (dependen) yang memiliki skala nominal (kategori).

Analisis model probit/logitMerupakan satu teknis analisis yang mirip dengan analisis regresi berganda dimana yang membedakan adalah dalam model ini baik variabel terikat maupun variabel bebasnya memiliki skala nominal/ordinal.

Gambar 8.1Prosedur Multivariate Interdependent

Gambar 8.2Prosedur Multivariate Dependent

Praktikum 8 hanya fokus membahas mengenai REGRESI BERGANDA DAN PENGUJIAN ASUMSI KLASIK TANPA PENYEMBUHAN

REGRESI BERGANDA Digunakan untuk melihat pengaruh dari sejumlah variabel independent terhadap variabel dependent yang masing-masing memiliki skala rasio/interval.

Suatu Penelitian dilakukan untuk melihat pengaruh dari dari SUKU BUNGA, INFLASI DAN KURS TERHADAP HARGA SAHAM LQ45 (BLUECHIP) LIHAT KASUS 8.1. dengan model yang dijaukan adalah

BLUECHIP = f (INTEREST, IHK, EER)

Dimana

BLUECHIP = Harga saham LQ45

INTEREST = Suku bunga

IHK = Index Harga Konsumen

EER = Effectifve Exchange Rate (Kurs)

PERTANYAAN :

a. Lakukan uji kualitas data dan apa interpretasinya

b. Lakukan pengujian asumsi klasik dan bagaimana kesimpulannya

c. Lakukan pengujian goodness of fit model, uji F dan uji t

Langkah-langkah pengerjaan

Lakukan pengujian normalitas untuk keempat variabel terlebih dahulu untuk menentukan apakah sebaiknya digunakan model LINEAR atau NONLINEAR dan hasilnya ditunjukkan sebagai berikut :

NPar Tests

Hasil pengujian menunjukkan keempat variabel berdistribusi NORMAL sehingga tidak ada variabel yang mengalami TRANSFORMASI misal di LOG, LN (Model yang digunakan linier)

Pastikan file KASUS 8.1. sudah siap lalu KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan dengan gambar 8.1. yang kemudian akan muncul gambar 8.2.

Gambar 8.1.

Pada kotak dialog LINEAR REGRESSION, masukkan variabel BLUECHIP pada kotak DEPENDENT, dan masukkan variabel INTEREST, IHK DAN EER pada kotak INDEPENDENT

Gambar 8.2.

Pada kotak dialog LINEAR REGRESSION KLIK STATISTICS sehingga akan muncul gambar 8.3 berikut. KLIK PILIHAN ESTIMATES, MODEL FIT, COLLINEARITY DIAGNOSTICS, DURBIN WATSON, lalu KLIK CONTINUE sehingga akan balik ke gambar 8.2. Pada gambar 8.2. KLIK SAVE sehingga akan muncul kotak dialog seperti ditunjukkan pada gambar 8.4.

Gambar 8.3.

Dari gambar 8.4, pada kolom RESIDUAL, KLIK UNSTANDARDIZED LALU KLIK CONTINUE sehingga akan kembali pada gambar 8.2. Dari gambar 8.2. KLIK OK sehingga akan muncul hasil print-out sbb :

Gambar 8.4.

HASIL PRINT-OUT REGRESI

Regression

Untuk pengujian HETEROSKEDASTISITAS dengan menggunakan GLETSJER TEST perhatikan data pada kasus 8.1 yang sudah dari hasil gambar 8.4. sudah memiliki variabel RESIDUAL seperti ditunjukkan pada gambar berikut ini :

Gambar 8.5.

Untuk pengujian GLELTSJER terlebih dahulu dilakukan dengan cara MENGABSOLUTKAN VARIABEL RESIDUAL dengan langkah KLIK TRANSFORM, COMPUTE seperti ditunjukkan gambar 8.6 yang kemudian akan muncul kotal dialog seperti ditunjukkan pada gambar 8.7

Gambar 8.6.

Pada kotak dialog target ketik nama variabel absolut residual dengan cara mengetik 8 hutuf saja misal ABSRESID, pada NUMERIC EXPRESSION, pilih FUNGSI ABS pada FUNCTION dan pindahkan ke KOTAK DIALOG NUMERIC EXPRESSION lalu masukkan variabel UNSTANDARDIZED RESIDUAL ke dalam tanda kurung, lalu KLIK OK sehingga akan muncul gambar variabel baru yaitu ABSRESID seperti ditunjukkan pada gambar 8.8.

Gambar 8.7.

Gambar 8.8.

Dari gambar 8.8, KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan pada gambar 8.9 yang selanjutnya akan muncul gambar 8.10.

Gambar 8.9.

Dari gambar 8.10, pada kolom DEPENDENT pilih ABSRESID, sementara pada kolom INDEPENDENT pilih variabel INTEREST, IHK, EER. dan pada STATISTICS cukup KLIK ESTIMATE seperti pada gambar 8.11 lalu OK sehingga akan muncul hasil print-out pengujian heteroskedastisitas

Gambar 8.10.

HASIL PRINT-OUT REGRESI PENGUJIAN HETEROSKEDASTISITAS DENGAN GLETSJER

Regression

INTERPRETASI HASIL

Sebelum dilakukan pengujian multiple regression dilakukan terlebih dahulu pengujian pelanggaran asumsi klasik untuk model yang digunakan dalam penelitian.

MODEL

BLUECHIP = f (INTEREST, IHK, EER)

1. Uji Multikolinearitas

Multikolinearitas menunjukkan bahwa antara variable independent mempunyai hubungan langsung (berkorelasi).

Konsekuensi dari multikolinearitas akan menyebabkan koefisien regresi nilainya kecil, standart error regresi nilainya besar sehingga pengujian individunya menjadi tidak signifikan.

Ciri adanya multikolinearitas adalah R tinggi, F-test signifikan namun t-testnya banyak yang tidak signifikan.

Langkah-langkah pengujian multikolinearitas Ho : Tidak ada multikolinearitas

Ha : Ada multikolinearitas

Kesimpulan :

Jika Variance Inflation Factor (VIF) > 10 maka Ho ditolak (ada multikolinearitas)

Jika Variance Inflation Factor (VIF) < 10 maka Ho diterima (tidak ada multikolinearitas)

Dari hasil pengolahan data statistik diperoleh table pengujian multikolinearitas sbb :

Tabel Hasil Uji Multikolinearitas

UJI MODELVIFKesimpulan

MODEL 1

INTEREST

IHK

EER1,261

1,419

1,382tidak ada multi

tidak ada multi

Sumber : Data diolah (lihat lampiran)

Dari tabel diatas dapat dilihat bahwa seluruh nilai VIF untuk setiap variable independen dari model yang digunakan dalam penelitian tidak mengandung multikolinearitas (mempunyai VIF < 10). Dengan demikian dapat disimpulkan bahwa model multiple regression yang digunakan terhindar dari masalah multikolinearitas.

2. Uji Heteroskedastisitas

Heteroskedastisitas menunjukkan bahwa varians dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen.

Pengujian dilakukan dengan metode GLETSJER yaitu dengan meregres antara ABSOLUTE RESIDUAL DENGAN VARIABEL INDEPENDENT

Langka-langkah pengujian heteroskedastisitas :

Ho: tidak ada heteroskedastisitas

Ha : ada heteroskedastisitas

Pengujian dilakukan dengan menggunakan uji individu (t-test) untuk masing-masing variabel independent Pengambilan Keputusan dilakukan dengan kriteria

Jika thitung > ttabel maka Ho ditolak

Jika thitung < ttabel maka Ho ditolak

Atau dengan menggunakan kriteria

Jika signifikansi (probabilitas) dari thitung < 0.05 Ho ditolak

Jika signifikansi (probabilitas) dari thitung > 0.05 Ho diterima

Hasil pengujian White-test untuk menguji heteroskedastisitas ditunjukkan dengan tabel sebagai berikut :

Tabel Hasil Uji Heteroskedastisitas

UJI GLETSJERthitung SigKesimpulan

MODEL 1

INTEREST

IHK

EER2,633

2,249

1,1010,011

0,028

0,478Ho ditolak (ada Heteroskedastisitas

Ho ditolak (ada Heteroskedastisitas

Ho diterima (tidak ada hetero)

Sumber : Data diolah (lihat lampiran)

Dari tabel diatas dapat disimpulkan bahwa model yang dihasilkan mengandung heteroskedastisitas yaitu untuk variabel INTEREST DAN IHK

3. Uji Autokorelasi

Autokorelasi menunjukkan bahwa ada korelasi antara error dengan error periode sebelumnya dimana pada asumsi klasik hal ini tidak boleh terjadi. Permasalahan autokorelasi hanya relevan digunakan jika data yang dipakai adalah data time series sedangkan untuk data cross-section tidak perlu dilakukan.

Pengujian dilakukan dengan menggunakan Durbin Watson

Langkah-langkah pengujian autokorelasi dilakukan sebagai berikut :

Ho : tidak ada autokorelasi

Ha : ada autokorelasi

Hasil perhitungan pengujian autokelasi setelah perbaikan mengahasilkan nilai DW statistic sebesar 0,372( lihat print-out komputer). Dengan jumlah sample sebesar 60 (n = 60) sementara besarnya k (jumlah variable bebas) sebanyak 3 dengan alpha 0,01 diperoleh DW tabel sebesar DL = 1,317 dan DU = 1,520. Dari gambar berikut nilai DW statistik sebesar 0,372 berada pada daerah dimana terdapat autokorelasi positif Dengan semikian dapat disimpulkan bahwa model yang dihasilkan mengandung AUTOKORELASI.

Pengujian Model

Goodness of fit Model (R2)

Dari hasil pengolahan Regresi Berganda diketahui bahwa koefisien determinasi R2 = 923 Artinya bahwa variasi dari variable independent (INTEREST, IHK, EER) mampu menjelaskan variasi dari variable dependent (BLUECHIP) sebesar 92,3%. Sedangkan sisanya (100% - 92,3% = 7.7%) adalah variasi dari variable independent lain yang mempengaruhi harga saham BLUECHIP tetapi tidak dimasukkan dalam model.

Uji F (uji serentak)

Uji F (Uji Serentak) digunakan untuk menguji apakah secara bersama-sama seluruh variable independent mempunyai pengaruh yang signifikan terhadap variable dependent.

Ho: b1 = b2 = b3Secara bersama-sama seluruh variable independent (INETEREST, IHK, EER) tidak mempengaruhi variabel dependent harga saham Ha : b1 ( b2 ( b3

Secara bersama-sama seluruh variable independent (TAK dan LAK) mempunyai pengaruh

yang signifikan terhadap variabel dependent harga saham.

Dasar pengambilan keputusan:

Jika sig. F statistik < 0.05 signifikan secara statistik, maka Ho ditolak

Jika sig. F statistik > 0.05 tidak signifikan secara statistik, maka Ho diterima

Dari uji Anova diketahui F hitung sebesar 223,802 dengan tingkat signifikansi 0.000 (sig. F stat < 0.05) maka Ho ditolak (Ha diterima) sehingga terbukti secara bersama-sama seluruh variable independent (INTEREST, IHK, EER) mempunyai pengaruh yang signifikan terhdap variabel dependent harga saham BLUECHIP Uji-t (Uji Individu)

Uji individu (uji-t) digunakan untuk menguji pengaruh dari masing-masing variabel independen terhadap variabel dependen.

Pengujian ini dilakukan untuk menguji apakah secara individu (masing-masing) variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependennya. Adapun langkah-langkah pengujian

Uji test adalah pengujian koefisien regresi masng-masing variable independen terhadap variable dependen untuk mengetahui seberapa besar pengaruh variable independent terhadap variabel dependen. Hipotesis yang diajukan UNTUK INTEREST

Ho : b1 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP

Ha : b1 < 0, artinya INTEREST berpengaruh negatif terhadap harga saham BLUECHIP

Untuk pengaruh dari INTEREST tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda negatif yang jika INTEREST naik maka Harga saham juga akan turun atau sebaliknya. Namun dengan nilai t-statistik -2,258 < t-tabel sebesar 1,65 (t0,05, df 60-4) maka dapat disimpulkan bahwa pengaruh negatif dari INTEREST SIGNIFIKAN. Jadi terbukti bahwa INTEREST BERPENGARUH SIGNIFIKAN TERHADAP HARGA SAHAM BLUECHIP

Hipotesis yang diajukan untuk IHK

Ho : b2 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP

Ha : b2 < 0, artinya IHK berpengaruh negatif terhadap harga saham BLUECHIP

Untuk pengaruh dari IHK tanda koefisien yang dihasilkan tidak sesuai dengan teori yaitu memiliki tanda positif 4,824 padahal seharusnya negatif (semakin tinggi IHK maka harga saham BLUECHIP akan turun atau sebaliknya). Jadi walaupun nilai t-statistiknya besar yaitu 19,705 namun tandanya positif sehingga Ho tetap diterima (tidak signifikan) atau Ho diterima

Hipotesis yang diajukan untuk EER

Ho : b3 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP

Ha : b3 > 0, artinya EER berpengaruh positif terhadap harga saham BLUECHIP (DEPRESIASI menyebabkan harga saham BLUECHIP naik atau sebaliknya dengan asumsi bahwa depresiasi berarti barang dalam negeri jadi lebih murah sehingga investasi menarik). Untuk pengaruh dari EER tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda positif 0,014 . Dengan nilai tstatistik 2,051 > ttabel 1,65 maka Ho ditolak (Ha diterima) maka terbukti bahwa EER berpengaruh signifikan terhadap harga saham BLUECHIP

Hipotesis penelitian diuji dengan menggunakan analisis regresi berganda yang dinyatakan dengan persamaan sebagai berikut (data file kasus 8.2)

Y = b0 +b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + e

Dimana :

Y = harga saham industri food and beverage

X1= Inventory turnover (perputaran persediaan)

X2= Assets turnover (perputaran aktiva)

X3= Return on Assets (ROA)

X4 = Debt to equity ratioX5= Debt to assets ratioX6= Price earning ratioX7= Price to book value Pertanyaan :

Lakukan pengujian asumsi klasik (multikolinearitas, autokorelasi dan heteroskedastisitas) serta pengujian hipotesis teori (uji R, Ujji-F dan Uji-t) untuk kasus data diatas.

Inconclusive

Inconclusive

Auto

+

Tidak ada auto

Auto

-

-

ABSRESID

4-dl

2,683

4-du

2,480

4

2

du

1,520

dl

1,317

0

DW stat

0,372

Fakultas Ekonomi Universitas Trisakti, 2007