Pendahuluan

Pergerakan indeks pasar saham merupakan salah satu indikator penting dalam menggambarkan kondisi dan kinerja pasar modal suatu negara. Di pasar modal Indonesia, perubahan nilai indeks sering dipengaruhi oleh aktivitas perdagangan saham perusahaan-perusahaan besar yang memiliki tingkat likuiditas tinggi dan kapitalisasi pasar yang signifikan. Saham-saham tersebut menjadi perhatian investor untuk menilai potensi keuntungan, tingkat risiko, serta sebagai dasar dalam menentukan strategi investasi. Oleh karena itu, analisis terhadap hubungan antara pergerakan indeks pasar saham dengan kinerja saham perusahaan tertentu menjadi penting untuk memahami pola pengaruh yang terjadi di pasar modal serta sebagai pertimbangan dalam pengambilan keputusan investasi.

Data yang digunakan merupakan data saham IHSG sebagai variabel dependen dan data saham BRPT dan BRMS sebagai variabel independen. keduanya merupakan perusahaan holding (induk usaha) sektor energi dan sumber daya alam yang melantai di Bursa Efek Indonesia (BEI), sering menjadi incaran investor. Data tersebut akan diuji menggunakan Analisis Regresi Linear Berganda, yaitu model regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen.

## # A tibble: 236 × 3
##     IHSG  BRPT  BRMS
##    <dbl> <dbl> <dbl>
##  1 7163.   940   402
##  2 7164.   935   432
##  3 7080.   980   426
##  4 7083.   995   426
##  5 7080.   975   400
##  6 7065.   975   382
##  7 7089.   985   428
##  8 7017.  1010   408
##  9 6957.   970   418
## 10 7080.   950   406
## # ℹ 226 more rows

Statistik Deskriptif

##       IHSG           BRPT             BRMS       
##  Min.   :5968   Min.   : 600.0   Min.   : 276.0  
##  1st Qu.:6875   1st Qu.: 873.8   1st Qu.: 386.0  
##  Median :7227   Median :1905.0   Median : 434.0  
##  Mean   :7450   Mean   :2055.1   Mean   : 578.1  
##  3rd Qu.:8104   3rd Qu.:3442.5   3rd Qu.: 898.8  
##  Max.   :8711   Max.   :4280.0   Max.   :1230.0

Nilai minimum IHSG adalah 5967.99 dan nilai maksimum IHSG adalah 8710.7 dengan rata-rata sebesar 7449.72.

Nilai minimum BRPT adalah 600 dan nilai maksimum BRPT adalah 4280 dengan rata-rata sebesar 2055.06.

Nilai minimum BRMS adalah 276 dan nilai maksimum BRMS adalah 1230 dengan rata-rata sebesar 578.08.

Scatter Plot

Scatter plot dari dist berdasarkan IHSG

Model Regresi

\[ y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \epsilon \]

## 
## Call:
## lm(formula = IHSG ~ BRPT + BRMS, data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -642.3 -193.4   -5.3  214.7  476.6 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 6.166e+03  4.168e+01 147.919  < 2e-16 ***
## BRPT        4.423e-01  3.353e-02  13.189  < 2e-16 ***
## BRMS        6.485e-01  1.477e-01   4.391 1.71e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 263.2 on 233 degrees of freedom
## Multiple R-squared:  0.8708, Adjusted R-squared:  0.8697 
## F-statistic: 785.1 on 2 and 233 DF,  p-value: < 2.2e-16
## Nilai p-value variabel BRPT dan BRMS kurang dari 0.05 sehingga dapat disimpulkan bahwa variabel BRPT dan BRMS berpengaruh signifikan terhadap IHSG.

Model Akhir: \[ y = 6165.979 + 0.442 BRPT + 0.648 BRMS \]

Uji Asumsi Model Regresi

Dalam analisis regresi berganda, terdapat uji asumsi yang harus dipenuhi sebelum model dapat digunakan. Beberapa contohnya yaitu yaitu uji multikolinearitas untuk memastikan tidak ada korelasi sempurna antar variabel independen, uji normalitas untuk memastikan residual data terdistribusi normal, serta uji heteroskedastisitas untuk memastikan varian residual konstan di seluruh rentang data. Ketiga uji asumsi ini penting dilakukan agar model regresi yang dihasilkan dapat digunakan dengan baik untuk memprediksi hubungan antara variabel dependen dan independen dengan akurat.

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  error
## D = 0.081297, p-value = 0.08835
## alternative hypothesis: two-sided

Pada uji normalitas residual didapatkan nilai p-value = 0.0883473 dan nilai Durbin Watson = 0.081297.

Dapat disimpulkan bahwa:

## residual berdistribusi normal atau asumsi normalitas terpenuhi
##     BRPT     BRMS 
## 5.277739 5.277739

Pada uji multikolinearitas, didapatkan nilai VIF BRPT = 5.278 dan nilai VIF BRMS = 5.278.

Dapat disimpulkan bahwa:

## Tidak terjadi multikolinearitas pada model regresi.
## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 0.43292, df = 2, p-value = 0.8054

Pada uji heteroskedastisitas diperoleh nilai p-value = 0.8053654.

Dapat disimpulkan bahwa:

## Tidak terjadi heteroskedastisitas pada model regresi sehingga asumsi homoskedastisitas terpenuhi.

Koefisien Determinasi

Koefisien determinasi digunakan untuk mengetahui seberapa besar kemampuan variabel independen dalam menjelaskan variasi variabel dependen dalam model regresi. Nilai koefisien determinasi berkisar antara 0 sampai 1. Semakin besar nilai koefisien determinasi, maka semakin besar kemampuan variabel independen dalam menjelaskan variabel dependen.

## [1] 0.8707849
## Nilai koefisien determinasi menunjukkan bahwa sebesar 87.08 % variasi pada variabel IHSG dapat dijelaskan oleh variabel BRPT dan BRMS dalam model regresi. Sedangkan sisanya sebesar 12.92 % dijelaskan oleh faktor lain di luar model.

Kesimpulan

Model regresi menunjukkan bahwa setiap kenaikan 1 satuan harga saham BRPT akan meningkatkan IHSG sebesar 0.442, dan setiap kenaikan 1 satuan harga saham BRMS akan meningkatkan IHSG sebesar 0.648, dengan asumsi variabel lain tetap. nilai koefisien determinasi (R2) sebesar 0.871 menunjukkan bahwa sekitar 87.1% variasi IHSG dipengaruhi oleh variabel BRPT dan BRMS, sedangkan sisanya dipengaruhi oleh variabel lain di luar model.