Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
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