H : b
i ≠
Untuk mengetahui apakah suatu variabel bebas secara parsial berpengaruh nyata atau tidak digunakan uji t dengan ketentuan jika t
0 price earning ratio, price to book value, dividend yield, dan tingkat bunga deposito secara parsial atau individual memiliki pengaruh signifikan
terhadap perubahan harga saham perusahaan perbankan di Bursa Efek Indonesia.
hitung
lebih besar dari t
tabel
atau signifikansi t
hitung
lebih kecil dari alpha 5 maka H ditolak dan Ha diterima.
Dapat disimpulkan bahwa variabel bebas independent variable dalam model secara parsial mempengaruhi variabel terikat dependent variable. Demikian
sebaliknya apabila t
hitung
lebih kecil dari t
tabel
maka H c. Koefisien Determinasi R
diterima dan Ha ditolak
2
Menurut Ghozali 2006, koefisien determinasi berfungsi untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah antara nol dan satu. Nilai R
2
3.8 Uji Asumsi Klasik
yang kecil berarti kemampuan variabel-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 variabel independen.
Sebelum dilakukankannya pengujian analisis regresi linier berganda, maka terlebih dahulu dilakukan uji asumsi klasik yang terdiri dari uji normalitas, uji
multikolinieritas, uji heterokedastisitas dan uji autokorelasi.
Universitas Sumatera Utara
3.8.1 Uji Normalitas
Menurut Ghozali 2006 menyatakan bahwa uji normalitas dilakukan dengan tujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual
memiliki distribusi normal. Ada 2 dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan menggunakan analisis grafik dan uji
statistika dengan menggunakan Kolmogrov-Smirnov. a. Analisis Grafik
Salah satu cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal. Namun demkian, hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah
sampel yang kecil. Metode yang lebih baik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingan dengan garis diagonal. Jika distribusi
data residual normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Uji Statistik Uji statistik yang dapat dipergunakan untuk menguji normalitas data pada
residual adalah dengan menggunakan uji statistik non-parametrik yaitu dengan menggunakan Kolmogrov-Smirnov K-S. Uji Kolmogrov-Smirnov
K-S dilakukan dengan kriteria hipotesis adalah:
Universitas Sumatera Utara
H
3.8.2 Uji Heterokedastisitas
= Data residual berdistribusi normal.
Menurut Ghozali 2006, uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heterokedastisitas atau tidak terjadi Heterokedastisitas. Dalam mendeteksi heterokedastisitas dalam penelitian dengan menggunakan antara lain:
a. Melihat Grafik Plot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi , dan
sumbu X adalah residual. b. Menurut Gujarati dalam Ghozali 2006, menyatakan bahwa Uji Glejser dapat
dilakukan dengan meregres nilai absolute residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen, maka ada indikasi terjadi Heterokedastisitas. Dan jika nilai signifikansi di atas 5 maka dapat
dikatakan tidak terjadi heterokedastisitas.
3.8.3 Uji Multikolinieritas
Menurut Ghozali 2006, uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
Universitas Sumatera Utara
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel
ortogonal adalah variabel independen yang nilai korelasi antar sesame variabel independen sama dengan nol. Untuk mendeteksi ada atau tidak nya terjadi
multikolinieritas dapat dilakukan melihat nilai tolerance dan lawannya variance inflation factor. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang
dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhqana setiap variabel bebas menjadi variabel terikat dan diregres terhadap variabel terikat. Tolerance
mengukur variabilitas bebasyang terpilih yang tidak dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF =
1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkanm adanya multikolinieritas adalah nilai tolerance
≤ 0,10 atau sama dengan nilai VIF ≥ 10.
3.8.4 Uji Autokorelasi
Menurut Ghozali 2006, uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier terjadi korelasi antara kesalahan penganggu pada periode t
dengan kesalahan penganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka akan terjadi masalah autokorelasi. Uji autokorelasi penelitian ini dengan
menggunakan Uji Durbin-Watson DW. Uji DW digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept
konstanta dalam model regresi dan tidak ada variabel lag antara variabel independen. Pengambilan keputusan ada tidaknya autokorelasi adalah:
Universitas Sumatera Utara
Tabel 3.2 Kriteria Pengambilan Keputusan Pada Uji Autokorelasi
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi
positif Tolak
0 d dl Tidak ada autokorelasi
positif No Decision
dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4 – dl d 4 Tidak ada korelasi negatif
No Decision 4-du
≤ d≤ 4-dl Tidak ada autokorelasi
positif maupun negatif Tidak di Tolak
du d 4-du
Sumber : Ghozali 2006
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian