BAB III METODE PENELITIAN 1.1.

Dinda Asri Dwi Detiyana, 2021 PENGARUH TINGKAT SUKU BUNGA, INFLASI, DAN NILAI TUKAR RUPIAH TERHADAP HARGA SAHAM PERUSHAAN DI BURSA EFEK INDONESIA (Studi Kasus pada Sub Sektor Property and Real Esatate Periode Tahun 2018) Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

35

BAB III

METODE PENELITIAN

1.1. Objek Penelitian

Objek penelitian adalah himpunan elemen yang bisa berbentuk orang,

organisasi atau barang yang akan diteliti. Kemudian dipertegas (Anto Dayan

1986: 21), obyek penelitian merupakan pokok masalah yang hendak diteliti guna

memperoleh informasi data agar lebih terarah dan terencana (Bruno 2019). Obyek

penelitian yang diteliti terdiri dari variabel bebas antara lain Tingkat Suku Bunga

(X1), Inflasi (X2), dan Nilai Tukar (X3) terhadap Harga Saham (Y) pada

perusahaan sub sektor Property dan Real Estate yang terdaftar di Bursa Efek

Indonesia (BEI) periode tahun 2018.

3.2. Metode Penelitian

3.2.1. Jenis Penelitian dan Metode yang Digunakan

Metode yang digunakan dalam penelitian ini adalah metode deskriptif

verifikatif dengan pendekatan kuantitatif, yang dimana akan mengetahui

hubungan secara siginifikan antara variable yang diteliti (Oliver 2013)

Metode deskriptif verifikatif merupakan metode yang bertujuan

menggambarkan benar atau tidaknya fakta-fakta yang ada, serta menjelaskan

tentang hubungan antar variabel yang diteliti dengan cara mengumpulkan data,

mengolah, menganalisis dan menginterprestasi data dalam pengujian hipotesis

statistik. Peneliti menggunakan metode kuantitatif dimana metode penelitian

kuantitatif ini digunakan untuk menjawab masalah penelitian yang berkaitan

dengan data berupa angka dan program statistik. Untuk dapat menjabarkan

dengan baik tentang pendekatan dan jenis penelitian, populasi dan sampel,

instrumen penelitian, teknik pengumpulan data, dan analisis data dalam suatu

proposal serta laporan penelitian diperlukan pemahaman yang baik tentang

masing-masing konsep tersebut (Wahidmurni, 2017). Metode kuantitatif

digunakan untuk mengetahui adanya pengaruh tingkat suku bunga, inflasi, dan

nilai tukar rupiah (kurs) terhadap harga saham pada perusahaan sub sektor

Property and Real Estate yang terdaftar di Bursa Efek Indonesia (BEI) periode

2018.

36


3.3. Operasionalisasi Variabel

Operasional Variebel dimaksudkan untuk memperdalam pemahaman

konsep, indikator, dan pengukuran penelitian serta untuk menjembatani

kesenjangan dalam penelitian. (Dr. Harnavinsah, 2018). Variabel penelitian dapat

dilihat dari dua sudut yaitu dari sudut peran dan sifat (Nasution, 1987). Dilihat

dari segi perannya, variabel ini dapat dibedakan ke dalam dua jenis yaitu :

1. Variabel Dependent (terpengaruh) adalah variabel yang dijadikan sebagai

faktor yang dipengaruhi oleh satu atau beberapa variabel lain. Variabel

dependent dalam penelitian ini adalah harga saham (Y)

2. Variabel Independent (mempengaruhi) adalah variabel yang memberi

pengaruh terhadap variabel lain. (Haqul, 1989: 51). Variabel independent

dalam penelitian ini adalah tingkat suku bunga (X1), Inflasi (X2), nilai tukar

rupiah/kurs (X3).

Tabel 3.1 Operasionalisasi Variabel

No

Variabel/

Sub

Variabel

Konsep Variabel Indikator Ukuran Skala

1. Tingkat

Suku Bunga

(X1)

Suku bunga

adalah harga

yang dibayar

peminjam

kepada pihak

yang

meminjamkan

untuk

pemakaian

sumber daya

selama interval

waktu tertentu

Fabozzi

2001:240).

BI rate : Tingkat

Suku Bunga 7-days

Reverse Repo Rate

Rata-rata perbulan

BI 7-DRR Rasio

2. Inflasi (X2) Abdullah

(2010:60),

mendefinisikan

inflasi sebagai

suatu keadaan

yang

IHKn : Indeks Harga

Konsumen yang

tercatat setiap bulan

Rata-rata IHK Rasio

37


No

Variabel/

Sub

Variabel

Konsep Variabel Indikator Ukuran Skala

mengindikasika

n semakin

melemahnya

daya beli yang

diikuti dengan

merosotnya nilai

rill mata uang

suatu negara.

3. Nilai Tukar

(X3)

Pengertian nilai

tukar mata uang

menurut FASB

adalah rasio

antara suatu unit

mata uang

dengan sejumlah

mata uang lain

yang bisa

ditukar pada

waktu tertentu.

Kurs tengah

Kb : Kurs beli

Kj : kurs jual

𝐾𝑢𝑟𝑠 𝑇𝑒𝑛𝑔𝑎ℎ =𝐾𝑏 − 𝐾𝑗

2

(Sumber:

Mahyus

Ekananda,

2014:201)

Rasio

4. 5 Harga

Saham (Y)

Harga pasar

saham adalah

harga yang

terbentuk di

pasar jual beli

saham (Siti

Suhariana.

2014).

Pt : Harga Saham

Penutupan Periode

ke-t

Pt-1 : Harga Saham

Penutupan Periode

Sebelumnya (t-1)

𝑅𝑖 =𝑃𝑡 − 𝑃𝑡−1

𝑃𝑡−1

𝑥100%

(Sumber:

Hartono

Jogiyanto,

2011:169)

Rasio

3.4. Jenis Dan Sumber Data

Sumber dari peneliti adalah sumber informasi sekunder. Interpretasi

informasi sekunder yang disajikan oleh Sugiyono (2015) merupakan sumber

informasi tidak langsung yang dapat diperoleh melalui perantara seperti sumber

sekunder melalui web atau dokumen (Fransisca 2015). Sumber informasi kedua

untuk penelitian ini adalah situs resmi Bursa Efek Indonesia di idx.co.id, situs

bps.go.id, dan situs Bank Indonesia.

38


3.5. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan peneliti dalam penilitian ini yaitu

menggunakan penilitian kepustakaan (Library Research) dimana peneliti

mengumpulkan data berupa jurnal, dokumen perusahaan, buku dan literatur

lainnya untuk dikaji, diteliti, dipelajari dalam mendukung penelitian yang

dilakukan.

3.6. Populasi dan Sampel

3.6.1. Populasi

Populasi merupakan gabungan beberapa individu di suatu wilayah pada

waktu dengan kualitas tertentu sebagai subyek yang akan diteliti (Supardi 2016).

Jumlah populasi dalam penelitian ini terdapat 61 perusahaan sub sektor Property

and Real Estate yang terdaftar di BEI tahun 2018.

1.6.2. Sampel

Sampel merupakan suatu bagian beberapa jumlah populasi meliputi

karakteristik dari populasi tersebut. Peneliti hanya menggunakan sampel sebagai

subyek penelitian yang sesuai dengan karakteristik dan kebutuhan penelitian serta

terdapat keterbatasan waktu, dana, dan tenaga. Hal ini diperkuat oleh Sugiyono

(2017:81) dalam mendefnisikan suatu sampel.

Teknik sampling yang digunakan peneliti adalah teknik Sampling

Purposive. Menurut Sugiyono (2017:85) Purposive Sampling adalah: “Teknik

penentuan sampel dengan pertimbangan tertentu”. Adapun peneliti memilih

teknik Sampling Purposive sesuai dengan kriteria-kriteria penelitian, diantaranya :

1. Perusahaan pada sub sektor Property and Real Estate yang terdaftar di

Bursa Efek Indonesia dan tidak melakukan listing di atas tahun 2018.

2. Perusahaan pada sub sektor Property and Real Estate yang menerbitkan

laporan keuangan di Bursa Efek Indonesia pada tahun 2018.

3. Perusahaan pada sektor Property and Real Estate yang menerbitkan

harga saham di Bursa Efek Indonesia pada tahun 2018.

Berdasarkan Purposive Sampling di atas, sampel di dalam penelitian ini

adalah perusahaan yang ada pada sub sektor Property and Real Estate periode

2018 berjumlah 49 perusahaan.

39


3.7. Teknik Analisis Data

Cara untuk mengetahui adanya pengaruh antar variabel penelitian, maka

peneliti menggunakan tektik regresi data panel yang didukung dengan data

kuantitaif yang ada. Teknik analisis data regresi data panel dengan menggunakan

aplikasi Software Microsoft Office Excel 2010 dan Software Statistic Eviews 9

sebagai alat untuk pengolahan data. Eviews (Economic Views) merupakan

software atau perangkat lunak sebagai program statistik yang digunakan dalam

pendidikan, pemerintahan, dan industtri untuk menganalisis data financial,

peramalan ekonomi makro, penjualan, dan analisis biaya dengan akurat serta

mudah digunakan.

3.7.1. Teknik Analisis Deskriptif

Analisis deskriptif dilakukan untuk membantu peneliti menganalisis

angka-amgka dari variabel X1 (Tingkat Suku Bunga), variabel X2 (Inflasi),

variabel X3 (Nilai Tukar Rupiah), dan variabel Y (Harga Saham). Analisis

statistik yag digunakan dalam menganalisis data yang digunakan adalah nilai

minimum, nilai maksimum, dan nilai rata-rata.

Peneliti mendeskripsikan indikator-indiokator setiap variabel yaitu

variabel X1 (Tingkat Suku Bunga), variabel X2 (Inflasi), variabel X3 (Nilai Tukar

Rupiah), dan variabel Y (Harga Saham) untuk menghitung nilai dari hasil

pengumpulan data.

3.7.2. Teknik Analisis Verifikatif

Analisis ini menggunakan Microsot Office Excel 2010 dan Eviews 9 dalam

pelaksanaannya. Analisis ini bermaksud untuk mengetahui hasil penelitian

berkaitan dengan sebarapa besar pengaruh tingkat suku bunga terhadap harga

saham sesuai rumusan masalah ke-4, seberapa besar pengaruh inflasi terhadap

harga saham sesuai rumusan masalah ke-5, seberapa besar pengaruh nilai tukar

rupiah terhadap harga saham sesuai rumusan maslaah ke-6 dan seberapa besar

tingkat pengaruh tingkat suku bunga, inflasi, dan nilai turkar rupiah terhadap

harga saham secara bersamaan sesuai rumusan masalah ke-7.

3.7.2.1 Analisis Regresi Data Panel

Data time series adalah data yang dicatat berdasarkan nilai pengamatan

suatu periode waktu tertentu seperti harian, mingguan, bulanan ataupun tahunan

40


dalam rentang waktu yang sama dengan melihat waktu pengamatan sebelumnya.

Data cross section adalah data yang dicatat dengan mengamati berbagai

subjek/objek yang sesuai dengan kebutuhan penelitian dalam kurun waktu yang

sama. Maka analisis regresi data panel adalah alat analisi regresi dimana data

berdasarkan subjek/objek pengamatan (cross section) dilakukan pada rentang

waktu tertentu (time series). Data panel merupakan gabungan antara data time

series dan data cross section (Kuncoro 2014).

Keunggulan regresi data panel antara lain sebagai berikut (Pangestika

2015):

1. Data panel dapat dengan jelas menunjukkan perbedaan individu dengan

memungkinkan spesifik variabel individu

2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data

panel dapat digunakan untuk menguji dan membangun model perilaku

lebih kompleks

3. Data panel mendasarkan diri pada observasi cross section yang berulang-

ulang (time series), sehingga metode data panel cocok digunakan sebagai

study of dynamic adjustment

4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih

informatif, lebih variatif, dan kolinearitas (multiko) antara data semakin

berkurang, dan derajat kebebasan (degree of freedom/ df) lebih tinggi

sehingga dapat diperoleh hasil estimasi yang lebih efisien

5. Data panel dapat digunakan untuk mempelajari model-model perilaku

yang kompleks

6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin

ditimbulkan oleh agregasi data individu.

Model regresi data panel time series dan cross section masing-masing

dapat dirumuskan sebagai berikut :

a. Model data Cross Section

Yi=α+βXi+εi ; i = 1, 2,...............N

N=banyak data cross section

b. Mode data Time Series

Yt=α+βXt+εt ; t = 1, 2,...............T

41


T=banyak data time series

Model regresi data panel gabungan dari data time series dan cross section

keduanya dapat dirumuskan sebagai berikut :

Yit=α+βXit+εit ; i = 1,2,......n;t=1,2,.......t..................

Keterangan :

Yit = Variabel dependen (terikat)

α = Konstanta

β = Koefisien regresi dari variabel X

X = Variabel independen (bebas)

ε = error term

i = data cross section

t = data time series

Maka persamaan regresi data panel dalam penelitian ini adalah sebagai

berikut :

Yit=α+β1X1it+ β2X2it+ β3X3it+εit

Keterangan :

Yit = Variabel Nilai Perusahaan

α = Konstanta

β1, β2 = Koefisien regresi dari dari masing-masing variabel independen

Y = Variabel harga saham

X1 = Variabel Tingkat Suku Bunga

X2 = Variabel Inflasi

X3 = Variabel Nilai Tukar Rupiah

ε = error term

i = data perusahaan

t = data periode waktu

Dalam penelitian ini teknik analisis data panel dapat dilakukan dengan metode

estimasi tiga pendekatan, yaitu common effect, fixed effect, atau random effect

(Pangestika 2015).

1. Common Effect Model

Merupakan model regresi data panel yang sederhana, dimana

menggabungkan data time series dengan cross section dengan menggunakan

42


metode OLS (Ordinary Last Square) yang tidak memperhatikan subjek dan

kurun waktu sehingga perilaku data perusahaan sama dalam berbagai kurun

waktu. Metode OLS (Ordinary Last Square) mengestimasi model data panel

tersebut yang dirumuskan sebagai berikut :

Yit = α + β Xit + εit

Keterangan :

Y : Variabel dependen

α : Konstanta

X : Variabel independen

β : Koefisien regresi

ε : erorr terms

t : periode waktu / bulan

i : cross section (subjek) / Perusahaan sub sektor Property and Real Estate

2. Fixed Effect Model

Model ini dapat menangani perbedaan perilaku antara individu yang

bermasalah dalam model Pooled Regression. Perbedaan perilaku ini ditangani

dengan intersepsi. Untuk mengestimasi model ini, setiap individu dapat

menggunakan regrasi variabel Dummy, dimana dinamikanya adalah seluruh

variabel. Dengan membuat variabel tali pusat masing-masing individu, akan ada

dasar untuk membandingkan perangkap "variabel Dummy". Namun, sisi

negatifnya sama di antara perusahaan. Model hipotesis ini sering disebut dengan

teknik Least squares Dummy Variable (LSDV). Model ini dapat dirumuskan

sebagai berikut :

Yit = α + β Xit + αit + εit

3. Random Effect Model

Menurut Gujarati (2003), jika dummy variables adalah untuk

merepresentasikan ketidaktahuan tentang model yang sebenarnya, maka kita dapat

menggunakan disturbance term untuk merepresentasikan ketidaktahuan tentang

model yang sebenarnya. Hal ini dikenal sebagai model efek acak (random effect

model atau REM). Adapun pendekatan yang digunakan dalam estimasi Model

effect Random adalah Generalized Least Square (GLS). Dapat dirumuskan

sebagai berikut :

43


Yit = α + β Xit + wit

Keterangan :

Wit = εit + ui

εit~ N (0,σv2) = komponen time series error

ui~ N (0, σu2) = komponen cross section error

wi~ N (0,σw2) = time series dan cross section error

Pengolahan analisis regresi data panel harus menggunakan model yang tepat

agar mendapatkan hasil yang akurat dan efisien. Terdapat tiga model yang dapat

digunakan dalam mengelola data panel menggunakan software eviews, yaitu

sebagai berikut (Han and goleman, daniel; boyatzis, Richard; Mckee 2019).

1) Uji Chow

Chow test yakni pengujian untuk menentukan model common effect atau fixed

effect paling tepat digunakan dalam mengestimasi data panel. hipotesis dalam uji

chow adalah :

H0 : Common effect model atau pooled OLS

H1 : fixed effect

Model Pedoman yang digunakan dalam mengambil keputusan dalam uji ini

yaitu sebagai berikut :

H0 diterima jika F ≥ 0.05 maka digunakan common effect

H1 ditolak jika F < 0,05 maka dilanjutkan dengan fixed effect dan melanjutkan

uji selanjutnya.

2) Uji Hausman

Hausman test adalah pengajuan statistik untuk memilih apakah model fixed

effect atau random effect yang paling tepat digunakan dengan hipotesis:

H0 : model random effect

H1 : model fixed effect

Pedoman yang digunakan dalam mengambil keputusan dalam uji ini yaitu

sebagai berikut :

H0 diterima jika nilai probability Chi-Square ≥ 0.05 maka digunakan random

effect

H1 ditolak jika nilai probability Chi-Square < 0,05 maka maka digunakan fixed

effect.

44


3) Uji Lagrage Multiplier (LM)

Uji Langrangge Multiplier (LM) Test dilakukan untuk

membandingkan/memilih model mana yang terbaik antara common effect dan

random effect.

H0 : model common effect

H1 : model random effect

Pedoman yang digunakan dalam mengambil keputusan dalam uji ini yaitu

sebagai berikut :

H0 diterima jika nilai P value ≥ 0.05 maka digunakan common effect

H1 ditolak jika nilai P value < 0,05 maka maka digunakan random effect

3.7.2.2 Uji Asumsi Klasik

Pengujian asumsi klasik merupakan prasyarat dalam analisis regresi yang

menggunakan metode OLS (Ordinary Least Square). Uji asumsi klasik yang

digunakan dalam regresi linier dengan metode estimasi OLS, meliputi uji

linieritas, uji normalitas, uji autokorelasi, uji multikolinieritas, dan uji

heteroskedastisitas. Berikut ini dijelaskan mengenai uji asumsi klasik dan jenis

uji asumsi klasik yang akan digunakan dalam penelitian ini :

1. Uji Linieritas

Uji linieritas hampir tidak dilakukan pada setiap model regresi, karena sudah

diasumsikan bahwa model regresi bersifat linier, artinya linier pada

parameternya, dimana β (koefisien regresi) berpangkat satu (Gujarati dan Porter,

2012:50). Kalaupun harus dilakukan pengujian, semata-mata hanya untuk melihat

sejauh mana tingkat linieritasnya. Dengan demikian, uji Linieritas tidak

dilakukan dalam penelitian ini.

2. Uji Normalitas

Uji Normalitas digunakan jika jumlah observasi data adalah kurang dari 30

data, untuk mengetahui apakah error mendekati distribusi normal. Apabila

jumlah observasi melebihi 30, maka tidak diperlukan uji normalitas karena

distribusi sampling eror term mendekati normal (Ahmad, 2017:46) Dalam

penelitian ini peneliti menggunakan jumlah observasi sebanyak 588, maka uji

normalitas tidak dilakukan dalam penelitian ini.

3. Uji Multikolinieritas

45


Uji Multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antarvariabel bebas (independen). Model regresi yang

baik seharusnya tidak terjadi korelasi antarvariabel independen (Zulfikar,

2016:224). Karena dalam penelitian ini, menggunakan lebih dari dua variabel

penjelas (independen), maka pengujian dengan menggunakan korelasi

antarvariabel tidak akan memberikan panduan yang sempurna bagi keberadaan

multikolinieritas (Gujarati dan Porter, 2012:429).

Regresi ini digunakan untuk mengetahui hubungan antara dua (atau lebih)

variabel bebas yang bersama-sama mempengaruhi satu variabel bebas yang lain.

Apabila kita memiliki persamaan regresi dengan tiga variabel independen, maka

kita harus melakukan regresi sebanyak tiga kali pula, dengan masingmasing

analisis menggunakan satu variabel independen sebagai variabel dependen

(Winarno, 2017:5.3). Metode untuk mendeteksi ada tidaknya multikoliniearitas

dilakukan dengan metode korelasi parsial antarvariabel independen dengan

hipotesis sebagai berikut :

a. H0 : terjadi multikolinieritas antarvariabel bebas

b. H1 : tidak terjadi multikolinieritas antarvariabel bebas

Pedoman yang digunakan dalam pengambilan kesimpulan adalah aturan baku

Klein (Gujarati dan Porter, 2012:431), yaitu sebagai berikut :

a. Jika nilai koefisien korelasi < α (0,85), maka H0 ditolak, yang berarti tidak

terjadi multikolinieritas antarvariabel bebas.

b. Jika nilai koefisien korelasi > α (0,85), maka H0 diterima, yang berarti

terjadi multikolinieritas antarvariabel bebas.

4. Uji Heteroskedastisitas

Data panel penelitian ini lebih bersifat ke data cross section, dimana pada

data cross section masalah yang sering terjadi ialah adanya heteroskedastisitas,

maka dalam penelitian ini uji Heteroskedastisitas perlu dilakukan. Uji

heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi

ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang

lain. Menurut Basuki dan Prawoto (2017:63), model regresi yang baik adalah

model regresi yang memenuhi syarat tidak terjadinya heterokedastisitas. Untuk

mendeteksi ada tidaknya heteroskedastisitas yang terjadi pada data, dapat

46


dilakukan dengan Uji Glesjer, yakni dengan meregresikan nilai absolut

residualnya. Adapun hipotesis yang diuji adalah sebagai berikut (Sarwono,

2016:162) :

a. H0 : tidak terjadi heteroskedastisitas pada sebaran data

b. H1 : terjadi heteroskedastisitas pada sebaran data

Pedoman yang akan digunakan dalam pengambilan kesimpulan adalah

sebagai berikut :

a. Jika nilai Probability < α (5%), maka H0 ditolak, yang berarti terjadi

heteroskedastisitas pada sebaran data.

b. Jika nilai Probability > α (5%), maka H0 diterima, yang berarti tidak

terjadi heteroskedastisitas pada sebaran data.

5. Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam model regresi

linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan

pengganggu pada periode t-1 (sebelumnya). Oleh karena itu, uji autokorelasi

hanya dapat dilakukan pada data time series (runtut waktu), sebab yang dimaksud

dengan autokorelasi adalah sebuah nilai pada sampel atau observasi tertentu yang

sangat dipengaruhi oleh nilai observasi sebelumnya. Uji Autokorelasi bertujuan

untuk melihat ada atau tidaknya hubungan antara residual satu observasi dengan

residual observasi lainnya. Uji autokorelasi dapat dilihat dengan menggunakan uji

Breusch-Godfrey. Autokorelasi merupakan korelasi antara variabel gangguan satu

observasi dengan variabel gangguan observasi lain (Fairuz 2017:92). Uji

autokorelasi menggunakan uji Breusch-Godfrey. Penilaian dilihat dari nilai

probabilitasnya. Jika nilai probabilitas lebih kecil dari 0,05 maka dapat

disimpulkan bahwa terdapat masalah autokorelasi pada model tersebut.

Penelitian ini hanya melakukan tiga pengujian asumsi klasik, yaitu uji

multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.

3.7.2.3 Uji Hipotesis

1. Uji F (Simultan)

Uji statistik F pada dasarnya menunjukkan apakah semua variabel

independen yang dimasukkan dalam model mempunyai pengaruh secara

bersamasama terhadap variabel dependen. Cara yang digunakan adalah dengan

47


melihat besarnya nilai probabilitas signifikannya. Jika nilai probabilitas

signifikansinya kurang dari 5% maka variabel independen akan berpengaruh

signifikan secara bersama-sama terhadap variabel dependen (Imam Ghozali

2013:98).

Penelitian ini menggunakan tingkat signifikan α= 0,05 artinya kemungkinan

kebenaran hasil penarikan kesimpulan mempunyai probabilitas 95% atau toleransi

kemelesetan 5%. Menghitung nilai f-hitung dengan rumus sebagai berikut :

𝐹 =R2/k

(1 − 𝑅2) − (𝑛 − 𝑘 − 1)

Keterangan :

F = F hitung

R 2 = Koefisien Korelasi Ganda

k = Jumlah Variabel Independen

n = Jumlah Anggota Sampel

Hasil f-hitung dibandingkan dengan t-tabel, dengan kriteria :

a. Bila F-hitung < F-tabel, variabel bebas secara bersama-sama tidak berpengaruh

terhadap variabel dependen, H₀ diterima dan H₁ ditolak.

b. Bila F-hitung > F-tabel, variabel bebas (independen) secara bersamasama

berpengaruh terhadap variabel dependen, H₀ ditolak dan H₁ diterima.

Berdasarkan probabilitas H0 ditolak dan H1 diterima jika nilai

probabilitasnya kurang dari 0,05 (α). Penarikan Kesimpulan Penarikan

kesimpulan berdasarkan hasil pengujian hipotesis dan didukung oleh teori yang

sesuai dengan objek dan masalah penelitian.

2. Uji t (Parsial)

Imam Ghozali (2013:98) uji statistik t pada dasarnya menunjukkan seberapa

jauh pengaruh satu variabel independen secara individual dalam menerangkan

variabel dependen. Pengujian terhadap hasil regresi dilakukan dengan

menggunakan uji t pada derajat keyakinan sebesar 95% atau α = 5%. Langkah

menentukan nilai signifikasi sebagai berikut :

48


Penelitian ini menggunakan tingkat signifikan α= 0,05 artinya kemungkinan

kebenaran hasil penarikan kesimpulan mempunyai probabilitas 95% atau toleransi

kemelesetan 5%. Nilai ini digunakan untuk mengetahui apakah variabel-variabel

koefisien korelasi signifikan atau tidak, digunakan rumus sebagai berikut

(Sugiyono, 123 2008:250) :

𝑡 =r√n−2

1−𝑟2

Keterangan :

t = Nilai uji t

r = Koefisien Korelasi

r2 = Koefisien Determinasi

n = Jumlah Sampel

Hasil t-hitung dibandingkan dengan t-tabel, dengan kriteria :

a. Bila t-hitung < t-tabel, variabel bebas (independen) secara individu tidak

berpengaruh terhadap variabel dependen, H₀ diterima dan H₁ ditolak.

b. Bila t-hitung > t-tabel, variabel bebas (independen) secara individu berpengaruh

terhadap variabel dependen, H₀ ditolak dan H₁ diterima. Berdasarkan

probabilitas H0 ditolak dan H1 diterima jika nilai probabilitasnya kurang dari

0,05 (α). Penarikan Kesimpulan Penarikan kesimpulan berdasarkan hasil

pengujian hipotesis dan didukung oleh teori yang sesuai dengan objek dan

masalah penelitian.

3. Uji Koefisien Determinasi

Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan

model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi

adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variable

variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.

Nilai yang mendekati satu berarti variabel-variabel independen memberikan

hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel

dependen. Tetapi penggunaan koefisien determinasi tersebut memiliki suatu

kelemahan, yaitu terdapatnya suatu bias terhadap jumlah variabel independen

yang dimasukkan kedalam model. Agar terhindar dari bias tersebut, maka

49


digunakan nilai adjusted R2 , dimana nilai adjusted R2 mampu naik atau turun

apabila terjadi penambahan satu variabel independen (Ghozali, 2011:87).

Secara umum koefisien determinasi untuk data silang (cross section) relatif

rendah karena adanya variasi yang besar antara masing-masing pengamatan,

sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai

koefisien determinasi yang tinggi. Menurut Sugiyono (2012:292), rumus untuk

menghitung koefisien determinasi secara simultan yaitu :

Kd = r2 x 100%

Dimana : 0 ≤ r2 ≤ 1

Keterangan :

Kd = Koefisien Determinasi

r² = Koefisien Korelasi

Analisis koefisien determinasi parsial digunakan untuk mengetahui seberapa

besar persentase pengaruh variabel X1 dan X2 terhadap variabel Y secara parsial.

Untuk mencari besarnya koefisien determinasi secara parsial dapat dirumuskan

sebagai berikut :

Kd = β x Zero Order x 100%

Keterangan :

β = Standar koefisien beta

Zero Order = Matrik korelasi variabel independen dengan variabel dependen.

Berikut untuk mempermudah penjelasan mengenai tahapan analisis data

dalam penelitian adalah sebagai berikut :

50


Pengujian Hipotesis

Uji F Uji t Koefisien Determinasi

Pengujian Asumsi Klasik

Multikoliniearitas Heteroskedastisitas Korelasi

Pemilihan Model Estimasi

Chow Test Haustman Test Lagrange Multiplier Test

BAB III METODE PENELITIAN 1.1.

Documents

Transcript of BAB III METODE PENELITIAN 1.1.