dengan cara mencari dan mengumpulkan data dengan mengambil data- data yang sudah dipublikasikan oleh pemerintah, industri atau sumber-
sumber individual. Data ini diambil atau sebagian dari data yang telah dicatat
atau dilaporkan.
3.4. Teknik Analisa dan Uji Hipotesis
3.4.1. Teknik Analisis
Sifat penelitian yang dilakukan adalah untuk melihat kejelasan pengaruh variabel bebas Earning Per Share, Return On Equity dan Tingkat Bunga
Deposito terhadap variabel terikat harga saham. Model statistik yang dipakai adalah model linier berganda yang
dirumuskan sebagai berikut : Y
= βo + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ℮I ………………………………3.3
Algifari, 1997 : 79 Keterangan :
Y = Harga Saham
X1 = EPS Earning Per Share
X2 = ROE Return On Equity
X3 =
Tingkat Bunga Deposito Βo =
Konstanta β
1,
β
2
, β
3
= Koefisien regresi untuk variabel bebas µi
= Komponen pengganggu
Persamaan regresi tersebut bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan uji F dan uji t tidak boleh bias. Untuk
menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar yang tidak boleh dilanggar oleh regresilinier yaitu :
1. Tidak boleh ada autokorelasi
Menurut Gujarati
1995:201, autokorelasi dapat diidentifikasi sebagai korelasi antara anggota serangkaian observasi yang diturunkan menurut
waktu data time series atau data yang diambil pada waktu tertentu data
Crossectional. Jadi dalam model regresi linier diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residul Y observasi – Y prediksi pada
waktu ke-t
e
t
tidak baleh ada hubungan dengan nilai residual periode sebelum
e
t-1
. Identifikasi ada atau tidak adanya gejala autokorelasi dapat dites dengan menghitung nilai DurbinWatson d tes dengan persamaan :
d = …………………………………………....3.4
t=n
∑
e
t
– e
t-1 2
t=1 n
∑
e
t 2
t=1
Gujarati, 1995:215 Keterangan :
d = Nilai Durbin Watson
e
t
= residual pada waktu ke-t
e
t-1
= residual pada waktu ke t-1 satu periode sebelumnya n
= banyaknya data Banyaknya data time series minimal yang dapat dihitung dengan Durbin
Watson adalah enam buah data dengan satu variable. Identifikasi gejala autokorelasi dapat dilakukan dengan kurva berikut :
Ada Auto Daerah Daerah Ada auto
Korelasi keragu- keragu- korelasi
Positif raguan raguan positif
Tidak
ada autokorelasi
Positif dan
tidak ada
Autokorelasi negatif
dL dU
4-dU 4-dL 4
2. Tidak boleh ada multikolonieritas
Persamaan regresi linier berganda diasumsikan tidak terjadi pengaruh antara variabel bebas. Apabila ternyata ada pengaruh antara variabel
bebas, maka tidak berlaku lagi terjadi bias. Untuk mendeteksi adanya multikolinieritas, dapat dilihat ciri-cirinya
sebagai berikut : a.
Koefisien determinasi berganda R square tinggi b.
Koefisien korelasi sederhana tinggi c.
Nilai F hitung tinggi signifikan
d. Tapi tak satupun atau sedikit sekali diantara variabel
bebas yang signifikan. Tindakan perbaikan multikolonier adalah :
1. Informasi Apirori
2. Menggabungkan data cross-sectional dan data urutan waktu
3. mengeluarkan suatu variabel atau variabel-variabel dan bias spesifikasi
4. Transformasi variabel
5. Penambahan data baru
Identifikasi secara statistik ada atau tidaknya gejala multikolonier dapat dilakukan dengan menghitung Variance Inflaction Factor VIF.
1 VIF = .............................................3.5
1 – Rj
2
VIF menyatakan tingkat pembengkakan varians. Apabila VIF lebih besar dari 10, berarti terdapat multikolonier pada persamaan regresi linier
Gujarati, 1995 : 157 3. Tidak boleh ada heteroskedastisitas
Pada regresi linier, nilai residul tidak boleh ada hubungan dengan variabel independent X. Statistik dasar dalam pengujian heteroskedastisitas dalam
suatu regresi dapat dilakukan dengan pengujian korelasi Rank Sperman rs. Gujarati, 1995 : 188
∑di
2
Rs = 1-6 ………………..….3.6 NN
2
– 1
Keterangan :
di = Perbedaan dalam rank yang ditempatkan untuk karakteristik yang berbeda dari individual atau fenomena ke – i.
N = Banyaknya individual atau fenomena yang di rank. Kaidah pengambilan keputusan :
• Apabila nilai signifikan hitung sig tingkat signifikan
α = 0.05 maka H
diterima, berarti tidak terjadi heteroskedastisitas. •
Apabila nilai signifikan hitung sig tingkat signifikan α = 0.05 maka
H ditolak, berarti terjadi heteroskedastisitas Ghozali, 2001 : 77.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier
Unbiased Estimator, sehingga pengambilan keputusa melalui uji F dan uji t menjadi bias.
4. Uji Normalitas Uji Normalitas dimaksudkan untuk memeriksa apakah data populasi
berdistribusi normal atau tidak. Uji ini diperlukan untuk mengetahui apakah teknik analisis regresi dapat digunakan dalam penelitian ini atau
tidak. Konsep dari uji Kolmogorov Smirnov ini adalah membandingkan
uji perbedaan antara data kita dengan data berdistribusi normal yang memiliki mean dan SD yang sama dengan data kita. Akibatnya jika tes
tersebut signifikan p0.05 maka data tersebut disebut data yang tidak normal distribusinya dan sebaliknya bila hasil tes tersebut tidak signifikan
p0.05 maka data yang kita miliki adalah data yang mempunyai distribusi normal.
3.4.2. Uji Hipotesis
