BAB I

PENDAHULUAN

1.1 Latar Belakang

Sumbangan suatu peubah bebas dalam menerangkan besarnya variasi y

tergantung pada urutan peubah tersebut masuk ke dalam model.Hal ini tentunya

sangat menyulitkan dalam menentukan besarnya pengaruh suatu peubah bebas

terhadap respons apalagi bila dalam data tersebut terdapat outlier.Maka dari itu

diperlukan pengujian apakah dalam data terdapat kasus oulier yang menyebabkan

biasnya model.Selain itu dilakukan pula uji asumsi IIDN.

Masalah yang dibahas dalam modul ini yaitu adakah kasus outlier antara

inflasi, kurs, suku bunga, Earning Per Share, dan Price Earning Ratiosehingga

mempengaruhi harga saham di Bursa Efek Indonesia yang nantinya

mempengaruhi model.

1.2 Rumusan Masalah

Permasalahan yang muncul sebagai acuan untuk analisis adalah sebagai

berikut.

1. Bagaimana hasil deteksi outlier dari inflasi, kurs, suku bunga, Earning Per

Share, dan Price Earning Ratio terhadap harga saham di Bursa Efek

Indonesia?

2. Bagaimana hasil analisis asumsi IIDN dari inflasi, kurs, suku bunga,

Earning Per Share, dan Price Earning Ratio terhadap harga saham di Bursa

Efek Indonesia?

1.3 Tujuan Penelitian

Perumusan masalah diatas menghasilkan tujuan yang akan dicapai dalam

kegiatan penganalisaan ini adalah sebagai berikut.

1. Mengetahui hasil deteksi outlier dari inflasi, kurs, suku bunga, Earning Per

Share, dan Price Earning Ratio terhadap harga saham di Bursa Efek

Indonesia.

1

2. Mengetahui hasil analisis asumsi IIDN dari inflasi, kurs, suku bunga,

Earning Per Share, dan Price Earning Ratio terhadap harga saham di Bursa

Efek Indonesia.

1.4 Manfaat Penelitian

Manfaat yang ingin diperoleh dari penelitian ini adalah untuk mengetahui

hasil deteksi outlier dari inflasi, kurs, suku bunga, Earning Per Share, dan Price

Earning Ratio terhadap harga saham di Bursa Efek Indonesia. Selain itu ingin

diperoleh pula hasil analisis asumsi IIDN.

1.5 Batasan Masalah

Dalam penelitian kali ini agar masalah yang dibahas tidak bertambah luas,

maka perlu adanya batasan masalah.Praktikum ini menggunakan data tugas akhir

sebanyak 54 data, berdasarkan faktor yang mempengaruhi pergerakan harga

saham.

2

BAB II

TINJAUAN PUSTAKA

2.1 Pemeriksaan Outlier

Metode OLS adalah salah satu metode yang paling populer untuk menduga

parameter model regresi. Tetapi metode OLS mempunyai asumsi yang harus

dipenuhi. Jika salah satu asumsi tidak terpenuhi, maka prediksi dan pendugaan

model akan menjadi bias. Asumsi metode OLS dapat diperiksa dari residual.

Residual adalah selisih antara nilai respon yang sesungguhnya dengan nilai respon

yang diprediksi dari persamaan regresi. Ketika nilai residual sangat besar, maka

pengamatan tersebut disebut pencilan. Pencilan yang mempengaruhi fungsi

regresi disebut pencilan berpengaruh. Pencilan akan membesarkan nilai varian

residual (error variance), selang kepercayaan menjadi lebih besar, dan pendugaan

parameter model menjadi tidak konsisten.

Suatu langkah penting dalam analisis regresi adalah menentukan apakah

fungsi regresi dipengaruhi oleh satu, dua atau lebih dari dua prediktor. Jika fungsi

regresi dengan satu atau dua variabel independen, maka pendeteksian pencilan

relatif tidak sukar. Alat yang digunakan untuk mendeteksi pencilan pada fungsi

regresi dengan satu atau dua prediktor adalah diagram kotak garis, diagram dahan-

daun, plot pencaran, dan plot residual. Tetapi jika fungsi regresi memiliki lebih

dari dua independen, maka pendeteksian pencilan dengan grafis sederhana

menjadi sulit sebab pemeriksaan satu atau dua independen tidak dapat selalu

membantu menemukan pencilan relatif terhadap suatu fungsi regresi berganda.

Suatu pencilan dalam regresi berganda bisa tidak terdeteksi dalam analisis regresi

dengan satu atau dua independen.

Sub bab ini akan membahas metode-metode pendeteksian pencilan maupun

pencilan berpengaruh. Pendeteksian pencilan ada dua cara, yaitu secara visual dan

dengan inferensi. Tetapi apabila variabel independennya lebih dari dua maka

metode ini tidak dapat memberi informasi pencilan dengan baik.

2.1.1 Leverage (hii)

Pendeteksian pencilan secara inferensi yang dibahas pada sub bab ini adalah

Leverage (hii). Asal hii dari diagonal dari matriks HAT (H).

3

(2.1)

(2.2)

dengan adalah vektor seperti pada persamaan (2.2)

(2.3)

Nilai hii dianggap besar mengidentifikasikan kasus pencilan. Neter,

Wasserman dan Kutner (1990) mengatakan nilai hiidianggap besar jika melebihi

, dengan p adalah banyaknya parameter termasuk o dan n adalah jumlah

pengamatan.Artinya jika nilai hii lebih besar dari , maka pengamatan tersebut

diindikasikan sebagai pencilan.

2.1.2 DFFITS dan DFBETAS

Pendeteksian pencilan berpengaruh dapat menggunakan DFFITS dan

DFBETAS. Suatu pengamatan dikatakan pencilan berpengaruh jika pengamatan

tersebut tidak diikutsertakan dalam pemodelan akan menye-babkan perubahan

besar pada model regresi. DFFITS digunakan untuk mendeteksi pencilan

berpengaruh pada nilai estimasi variabel dependen. Rumus DFFITS seperti pada

persamaan (2.4).

(2.4)

Dengan = nilai estimasi variabel dependen ke-i dengan semua

pengamatan ikut dalam pembentukan model regresi. = nilai estimasi variabel

dependen ke-i dengan tidak mengikutsertakan pengamatan ke-i dalam

pembentukan model regresi. MSE(i) adalah Mean Square Error dengan tidak

mengikutsertakan pengamatan ke-i dalam pembentukan model regresi. hii adalah

Leverage. Sebagai pedoman untuk mengidentifikasi apakah pengamatan termasuk

4

dalam kasus pencilan berpengaruh atau bukan pencilan berpengaruhmengatakan

untuk data kecil, nilai harga mutlak (DFFITS)i lebih besar dari 1 dapat

diindikasikan sebagai pencilan berpengaruh. Tetapi jika data yang digunakan

dalam model regresi besar, maka suatu pengamatan dapat diindentifikasi sebagai

pengamatan berpengaruh bila nilai harga mutlak DFFITS lebih besar dari .

DFBETAS digunakan untuk mendeteksi pencilan berpengaruh terhadap koefisien

regresi. Rumus DFBETAS seperti pada persamaan (2.5).

, k = 0, 1, 2, ….,p (2.5)

Dengan adalah koefisien regresi dengan semua pengamatan ikut dalam

pembentukan model regresi. adalah koefisien regresi dengan tidak

mengikutsertakan pengamatan ke-i dalam pembentukan model regresi. MSE(i)

adalah Mean Square Error dengan tidak mengikutsertakan pengamatan ke-i

dalam pembentukan model regresi. adalah unsurdiagonal ke-k matriks (X’X)-1.

Suatu nilai mutlak (DFBETAS)k(i) yang besar mengidikasikan pengaruh kasus ke-i

besar terhadap koefisien regresi ke-k. Sebagai pedoman untuk mengidentifikasi

kasus pencilan yang berpengaruh, disarankan untk menganggap suatu kasus itu

berpengaruh bila nilai mutlak (DFBETAS)k(i) lebih besar dari satu untuk data kecil

dan nilai mutlak (DFBETAS)k(i) lebih besar dari untuk data besar.

2.1.3 Cook’s Distance (Di)

Cook’s Distance (Di) digunakan untuk mendeteksi pencilan berpengaruh

terhadap semua koefisien regresi.Rumus Cook’s Distance seperti pada persamaan

(2.6).

(2.6)

Dengan b(i) adalahvektor koefisien regresi dengan tidak mengikutsertakan

pengamatan ke-i dalam pembentukan model regresi. b adalah vektor koefisien

regresi dengan semua pengamatan ikut dalam pembentukan model regresi. p

adalah banyaknya parameter termasuk o. MSE adalah Mean Square Error semua

5

pengamatan ikut dalam pembentukan model regresi. Dalam mempermudah

perhitungan, rumus (2.6) dapat dihitung tanpa harus menduga suatu fungsi regresi

baru setiap kali suatu kasus ke-i tidak diikutsertakan dalam pembentukan model

regresi adalah sebagai berikut.

(2.7)

ei adalah residual ke-i. p adalah banyaknya parameter termasuk o. MSE

adalah Mean Square Error semua pengamatan ikut dalam pembentukan model

regresi. hiiadalah Leverage. Sebagai pedoman untuk mengidentifikasi apakah

pengamatan termasuk dalam kasus pencilan berpengaruh atau bukan pencilan

berpengaruh?. Weisberg (1985) mengatakan jika suatu pengamatan dikatakan

Influence adalah jika nilai persamaan (4.9) lebih besar dari distribusi F(50%, p, n-p )

(Sembiring, 1995).

2.2 Pemeriksaan Asumsi IIDN (Identik, Independen, Berdistribusi Normal)

Analisis varians (ANOVA) terdapat sejumlah asumsi yang harus dipenuhi

agar pengujian ANOVA tersebut dapat dilakukan, yaitu asumsi residual yang

bersifat IIDN (Identik, Independen, Distribusi Normal). Bila asumsi tersebut tidak

terpenuhi, maka kesimpulan dari ANOVA tidak bisa digunakan (Montgomery,

2001).

1. Pemeriksaan Asumsi Residual Identik

Pemeriksaan Asumsi Residual identik dilakukan untuk melihat apakah

residual memenuhi asumsi identik. Suatu data dikatakan identik apabila plot

residualnya menyebar secara acak dan tidak membentuk suatu pola tertentu. Nilai

varians rata-ratanya sama antara varians satu dengan yang lainnya (Sudjana,1996).

2. Pemeriksaan Asumsi Independen

Pemeriksaan Asumsi Residual independen dilakukan untuk melihat apakah

residual memenuhi asumsi independen. Suatu data dikatakan independen apabila

plot residualnya menyebar secara acak dan tidak membentuk suatu pola tertentu

(Sudjana,1996).

3. Pemeriksaan Asumsi Berdistribusi Normal

6

Pengujian Asumsi Residualberdistribusi normal dilakukan untuk melihat

apakah residual memenuhi asumsi berdistribusi normal atau tidak.Kenormalan

suatu data dapat dilihat dari plotnya. Apabila plot sudah mendekati garis linier,

dapat dikatakan bahwa data tersebut memenuhi asumsi yaitu berdistribusi normal.

Uji kenormalan data juga dapat dilihat dari nilai Dhitung yang diperoleh dari hasil

uji Kolmogorov Smirnov(Sudjana,1996).

2.3 Landasan Non Statistik

Landasan non statistik merupakan dasar utama yang dipakai dalam

penelitian ini dan bersifat umum atau di luar ilmu statistik.Landasan non statistik

dalam penelitian ini adalah sebagai berikut.

2.3.1 Kurs

Kurs Mata Uang Definisi kurs / juga dikenal sebagai nilai tukar adalah rasio

pertukaran antara dua mata uang yang berbeda negara . Atau dengan kata lain kurs

dapat diartikan sebagai harga satu unit mata uang asing dinyatakan dalam mata

uang domestik.. Nilai tukar nominal, bagaimanapun, adalah hubungan langsung

antara satu mata uang dan satu asing (Ditjen Dikdasmen,2002).

2.3.2 Inflasi

Inflasi adalah proses kenaikan harga-harga umum batang-barang secara

terus-menerus. Ini tidak bearti bahwa harga-harga berbagai macam barang itu nik

dengan persentase yang sama. Mungkin dapat terjadi kenaikan tersebut tidaklah

bersamaan.Yang penting terdapat kenaikan harga umum batang secara terus –

menerus selama satu periode tertent.Kenaikan yang terjadi hanya sekali saja

(meskipun dengan persentase yang cukup besar) bukanlah merupakan

inflasi.Kenaikan harga ini diukur dengan menggunakan indeks harga (Aan, 2012).

2.3.3 Suku Bunga

Menurut Kamus lengkap ekonomi (2000,p.693), suku bunga (interest rate)

adalah kompensasi yang dibayar peminjam dana kepada kepada yang meminjam.

Bagi peminjam, suku bunga merupakan biaya pinjaman atau harga yang dibayar

atas uang yang dipinjamkan, yang merupakan tingkat pertukaran dari konsumsi

sekarang untuk konsumsi masa mendatang.Biasanya diekspresikan sebagai

7

persentase pertahun yang dibebankan atas uang yang dipinjam atau dipinjamkan

(Dodogusmao, 2011).

2.3.4 Earning Per Share (EPS)

EPS merupakan alat analisis tingkat profitibilitas perusahaan yang

menggunakan konsep laba konvensional. EPS adalah salah satu dari dua alat ukur

yang sering digunakan untuk mengevaluasi saham biasa disamping PER (Price

Earning Ratio) dalam lingkaran keuangan (Teguh, 2010).

2.3.5 Price Earning Ratio (PER)

Price Earning Ratio (PER) adalah salah satu ukuran paling dasar dalam

analisis saham secara fundamental. Secara mudahnya, PER adalah ‘perbandingan

antara harga saham dengan laba bersih perusahaan’, dimana harga saham

sebuah emiten dibandingkan dengan laba bersih yang dihasilkan oleh emiten

tersebut dalam setahun.Karena yang menjadi fokus perhitungannya adalah laba

bersih yang telah dihasilkan perusahaan, maka dengan mengetahui PER sebuah

emiten, dapat mengetahui apakah harga sebuah saham tergolong wajar atau tidak

secara real dan bukannya secara future alias perkiraan (Teguh, 2010).

2.3.6 Saham

Saham adalah satuan nilai atau pembukuan dalam berbagai instrumen

finansial yang mengacu pada bagian kepemilikan sebuah perusahaan.Dengan

menerbitkan saham, memungkinkan perusahaan-perusahaan yang membutuhkan

pendanaan jangka panjang untuk 'menjual' kepentingan dalam bisnis - saham (efek

ekuitas)dengan imbalan uang tunai.Ini adalah metode utama untuk meningkatkan

modal bisnis selain menerbitkan obligasi. Saham dijual melalui pasar primer

(primary market) atau pasar sekunder (secondary market) (Hery,2011).

8

BAB III

METODE PENELITIAN

3.1 Sumber Data

Data yang digunakan adalah data sekunder. Data sekunder adalah data yang

diperoleh secara tidak langsung oleh peneliti melainkan menggunakan data tugas

akhir mahasiswa statistika pada tanggal 11 september 2013 di ruang baca

statistika ITS.

3.2 Variabel Penelitian

Variabel-variabel yang terkandung dalam penelitian ini adalah sebagai

berikut.

Tabel 3.1 Variabel Penelitian

Variabel Artinya

Y Harga saham di Bursa Efek Indonesia

X1 Inflasi

X2 Kurs

X3 Suku Bunga

X4 Earning Per Share

X5 Price Earning Ratio

3.3 Langkah Kerja

Dalam praktikum ini langkah-langkah yang di gunakan untuk memperoleh

data pendeteksian adanya kasus outlier dalam analisis regresi dan menganalisis

asumsi IIDN dari inflasi, kurs, suku bunga, Earning Per Share, dan Price Earning

Ratio terhadap harga saham di Bursa Efek Indonesia sebagai berikut.

1. Menyiapkan kertas dan alat tulis.

2. Menulis semua data yang diperlukan.

3. Memasukkan data inflasi, kurs, suku bunga, Earning Per Share, dan Price

Earning Ratio, dan harga saham pada software minitab.

4. Melakukan prosedur analisis regresi.

a. Mendeteksi adanya outlier

9

b. Menganalisis asumsi IIDN

5. Menginterpretasikan hasil analisis.

6. Mengambil keputusan dari hasil analisis yang kemudian diinterpretasikan

dan mengambil saran.

3.4 Langkah Analisis

Setelah mendapatkan datadeteksi adanya kasus outlier dalam analisis regresi

dan menganalisis asumsi IIND dari inflasi, kurs, suku bunga, Earning Per Share,

dan Price Earning Ratio terhadap harga saham di Bursa Efek Indonesia,maka data

tersesbut kemudian diolah untuk dianalisis. Langkah tersebut adalah sebagai

berikut.

1. Mendeteksi adanya kasus outlier.

2. Menganalisis asumsi IIDN.

10

3.5 Flowchart

Dari langkah analisis diatas dapat diperoleh bentuk flowchartnya dan

dipergunakan untuk menggambarkan alur perjalanan pembuatan laporan

ini,berikut gambarannya.

Gambar 3.1 Flowchart

BAB IV11

Mulai

Mencari data sekunder yaitu inflasi, kurs, suku bunga, Earning PerShare, Price Earning Ratio,

dan harga saham di Bursa Efek Indonesia

Analisis kasus outlier

Kesimpulan

Selesai

Analisis asumsi IIDN

ANALISIS DAN PEMBAHASAN

4.1 Pendeteksian Outlier

Data outlier dapat terdeteksi dengan menggunakan pemeriksaan visual dari

data mentahnya (raw) atau diagram pencar yang berasal dari variabel independen

dan variabel dependen. Dalam kasus apabila terdapat lebih dari dua variabel

independen, maka data outlier akan sangat sulit dideteksi dengan pemeriksaan

visual. Oleh karena itu pemeriksaan visual dilakukan dengan menggunakan uji

statistik tertentu yaitu dengan analisis regresi. Dalam bahasan kali ini variabel

yang diamati adalah harga saham di Bursa Efek Indonesia sebagai variabel respon

(Y) yang dipengaruhi oleh inflasi sebagai variabel prediktor (X1), kurs sebagai

varibel prediktor (X2), suku bunga sebagai variabel prediktor (X3), Earning Per

Share sebagai variabel prediktor (X4) dan Price Earning Ratio sebagai variabel

prediktor (X5). Setelah dilakukan analisis menggunakan software minitab maka

diperoleh hasil persamaan model regresi sebagai berikut.

Berdasarkan analisis regresi menunjukkan bahwa R-Sq sebesar 65,0% yang

artinya model mampu menjelaskan keragaman data sebesar 65,0%.

Interpretasi model diatas digunakan untuk memeriksa tiga kriteria yang

secara potensial merupakan data outlier. Adanya data outlier dalam data ini dapat

mempengaruhi model yang dihasilkan. Outlier yang berpengaruh besar terhadap

model disebut dengan influential observations. Dari model regresi diatas,

didapatkan deteksi outlier sebagai berikut. Tabel 4.1 Deteksi Outlier

No Kriteria Tanda Outlier Pengamatan Outlier

1 Leverage Hi > 0,222222

Pengamatan ke-1, 2,

4, 41, 44, 45, 48, 53

dan 54.

2

Cook's

Distance > 0,903988 Pengamatan ke-48

3 DF FITS

> -0,591961235 Pengamatan ke-48

12

Berdasarkan Tabel 4.1 menunjukkan bahwa terdapat outlier pada

pengamatan ke-1, 2, 4, 41, 44, 45, 48, 53, 54 yang dilihat berdasarkan nilai

Leverage. Nilai outlier berpengaruh terhadap model (influential observations),

jika dilihat dari nilai Cook’s Distance terdapat outlier pada pengamatan ke-48 dan

nilai DF Fits terdapat outlier pada pengamatan ke-48.

4.2 Asumsi Residual IIDN (Identik, Independen, Berdistribusi Normal)

Asumsi IIDN ( Identik, Independen dan Berdistribusi Normal ) merupakan

uji yang harus dilakukan untuk mengetahui apakah data hasil percobaan yang

digunakan memenuhi ketiga asumsi tersebut dalam melakukan suatu percobaan.

Asumsi residual yang harus dipenuhi oleh model regresi adalah i ~ iidn (0,2),

iidn (0,2) yang berarti bahwa i yang pertama adalah independen, i yang kedua

adalah identik dan dn (0,2) yang berarti bahwa berdistribusi normal dengan mean

dan variansi masing-masing bernilai 0 dan 2. Berikut ini adalah hasil uji asumsi

identik, independen dan berdistribusi normal.

Gambar 4.1 Residual Harga Saham di Bursa Efek Indonesia

Berdasarkan Gambar 4.1 menunjukkan bahwa pada grafik versus fits bentuk

plot-plotnya tidak membentuk suatu pola tertentu dan residual menyebar secara

acak, maka dapat diindikasikan bahwa secara visual data hasil percobaan diatas

residual bersifat identik. Pada grafik versus order bentuk plot-plotnya tidak

membentuk suatu pola tertentu, maka dapat diindikasikan bahwa secara visual

data hasil percobaan diatas residual bersifat independen. Sedangkan pada grafik

distribusi normal bentuk plot-plotnya mendekati garis lurus (garis normal), maka 13

dapat diindikasikan bahwa secara visual data hasil percobaan diatas residual telah

berdistribusi normal.

BAB V

14

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari analisis data yang telah dilakukan maka dapat diambil kesimpulan

yaitu sebagai berikut.

1. Berdasarkan hasil analisis menunjukkan bahwa terdapat outlier pada

pengamatan ke-1, 2, 4, 41, 44, 45, 48, 53, 54 yang dilihat berdasarkan nilai

Leverage. Nilai outlier berpengaruh terhadap model (influential

observations), jika dilihat dari nilai Cook’s Distance terdapat outlier pada

pengamatan ke-48 dan nilai DF Fits terdapat outlier pada pengamatan ke-

48.

2. Berdasarkan hasil analisis dengan menggunakan software minitab maka

data hasil percobaan yang digunakan memenuhi asumsi residual IIDN

secara visual.

5.2 Saran

Dalam menyajikan suatu data penelitian dalam sebuah laporan, maka

diperlukan analisis yang tepat dan data yang akurat yang bersifat valid agar hasil

penelitian mudah dipahami dan dimengerti oleh pembaca. Diperlukan ketelitian

dalam pengolahan data dan pencarian sumber data yang lebih akurat sehingga

hasil yang diperoleh baik.

DAFTAR PUSTAKA15

Aan, 2012.Inflasi. Tersedia: http://aan-casta.blogspot.com/2012/06/inflasi.html.

Diakses pada 26 Desesmber 2013.

Dodogusmao, 2011.Suku Bunga.Tersedia:http://dodogusmao.wordpress.com/20

11/05/26/pengaruh-tingkatsuku-bungan-dan-tingkat-inflasi-terhadap-minat-

menabung/. Di-akses pada 26 Desember 2013.

Draper, Smith. 1992. Analisis Regresi Terapan. PT. Gramedia Pustaka Utama.

Hery, SE (2011). Akuntansi Keuangan Menengah 2. Jakarta : PT Bumi Aksara

Kamus lengkap ekonomi (2000,p.693)

Makalah kurs dan valuta asing , Jakarta: Departemen Pendidikan dan kebudayaan

Ditjen Dikdasmen – Dik menum.

Sudjana.1992. Teknik Analisis Regresi dan Korelasi.Bandung : Tarsito.

Teguh, 2010. PER. Tersedia: http://www.teguhhidayat.com/2010/05/price-

earning-ratio-dan-price-to-book.html. Diakses pada 26 Desember 2013.

Walpole,Ronald.1995.Pengantar Statistika.Jakarta.PT Gramedia Pustaka Utama

16