Untuk melihat normalitas residual dapat dilakukan dengan cara melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. Cara lainnya adalah dengan melihat normal probability plot
yang membandingkan distribusi kumulatif dari distribusi normal.
2. Uji Statistik Analisis statistik merupakan alat statistik yang sering digunakan
untuk menguji normalitas residual yaitu uji statistik non- parametik Kolmogorov-Smirnov. Dalam mengambil keputusan
dilihat dari hasil uji K-S, jika nilai probabilitas signifikansinya lebih besar dari 0,05 maka data terdistribusi secara normal.
Sebaliknya, jika nilai probabilitas signifikansinya lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas Ghozali, 2006. Untuk mendeteksi ada atau tidaknya
multikolinieritas di dalam model regresi dapat dilihat dari nilai tolerance tolerance value dan nilai Variance Inflation Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang
dijelaskan oleh variabel bebas lainnya. Nilai cutoff yang umum digunakan adalah nilai tolerance 0,10 atau sama dengan VIF diatas
10. Apabila nilai tolerance lebih dari 0,10 atau nilai VIF kurang dari 10 maka dapat dikatakan bahwa tidak terjadi multikolinieritas antar
variabel dalam model regresi.
c. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi
Ghozali, 2005. Untuk menguji ada atau tidaknya autokorelasi dilakukan dengan uji Durbin-Watson DW test.
Uji autokorelasi dengan Durbin-Watson DW test hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lag diantara variabel independen. Pengambilan keputusan ada atau
tidaknya autokorelasi, yaitu: 1. Nilai DW dibawah – 2 = ada autokorelasi positif
2. Nilai DW diantara -2 samapai +2 = tidak ada autokorelasi 3. Nilai DW diatas +2 = ada autokorelasi negatif.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas 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 dapat disebut
homoskedastisitas dan jika berbeda disebut heteroskedasitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedasitas Ghozali, 2006.
2. Pengujian Hipotesis
Model penelitian ini menggunakan model regresi linier berganda dimana menggunakan lebih dari satu variabel independen untuk
mengetahui pengaruhnya terhadap variabel dependen. Persamaan regresi linier berganda, yaitu:
Y = α + β
1
X
1
+ β
2
X
2
+ e Dimana :
Y = Harga Saham
α = Konstanta
X
1
= Manajemen Laba X
2
= Ukuran Perusahaan β
1
β
2
= Koefisien Regresi e
= Kesalahan Pengganggu
a. Uji Signifikansi Parsial Secara parsial, pengujian hipotesis dilakukan dengan uji t. Menurut
Ghozali 2006 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam
menerangkan variabel dependen.”
Hipotesis yang akan diuji adalah: H
= Variabel independen tidak berpengaruh secara parsial terhadap variabel dependen.
H
a
= Variabel independen berpengaruh secara parsial terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan :
1. Jika t
hitung
t
tabel
pada α 0,05 maka H diterima dan H
a
ditolak. 2. Jika t
hitung
t
tabel
pada α 0,05 maka H ditolak dan H
a
diterima.
b. Uji Signifikansi Simultan
Secara simultan, pengujian hipotesis dilakukan dengan uji F. Menurut Ghozali 2006 “uji statistik F pada dasarnya menunjukkan
apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel
dependen.” Hipotesis yang akan diuji adalah:
H = tidak semua variabel independen berpengaruh secara parsial
terhadap variabel dependen. H
a
= Semua variabel independen berpengaruh secara simultan terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan :
1. Jika F
hitung
F
tabel
pada α 0,05 maka H diterima H
a
ditolak. 2. Jika F
hitung
F
tabel
pada α 0,05 maka H ditolak H
a
diterima
G. Jadwal Penelitian
Tabel 3.2 Rencana Jadwal Penelitian
Jenis Kegiatan Apr-11
Mei-11 Jun-11
Jul-11 agst-11
Sept-11 Oct-11
Nov-11 Des-11
Pemilihan Judul
Pengajuan Judul
Penyelesaian Proposal
Bimbingan Proposal
Seminar Proposal
Pengumpulan Data
Pengolahan Data
Bimbingan Skripsi
Penyelesaian Laporan
Komprehensif
BAB IV ANALISIS HASIL PENELITIAN
A. Analisis Statistik Deskriptif
Analisis deskriptif menggambarkan fenomena dan karakteristik data. Dalam suatu penelitian analisis deskriptif perlu dilakukan karena
karakteristik dari suatu data akan menggambarkan fenomena dari data Erlina, 2008.
Objek penelitian ini adalah perusahaan yang melakukan Penawaran Saham Perdana IPO yang terdaftar di Bursa Efek Indonesia dari tahun
2007-2010 dengan populasi berjumlah 73 perusahaan. Setelah melakukan pemilihan sampel dengan teknik purposive sampling diperoleh 12
perusahaan sebagai sampel. Berikut ini merupakan data statistik secara umum dari seluruh data variabel yang digunakan dalam penelitian ini:
Tabel 4.1 Statistik Deskriptif
N Minimum
Maximum Mean
Std. Deviation
Total Accrual 48
-8,422 25,621
0,486 4,219
Total Asset 48
87.764 6.286.304
1776584,44 1439319,515
Harga Saham 48
3.450 721,44
892,874 Valid N listwise
48
Sumber : Output SPSS
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa:
1. Variabel Harga Saham HS menunjukkan harga saham perusahaan yang melakukan penawaran saham perdana periode 2007-2010
dengan nilai rata-rata harga saham adalah 721,44. Variabel harga saham memiliki nilai terendah 0 dan nilai tertinggi 3.450
sedangkan nilai standar deviasi adalah sebesar 892,874. 2. Variabel Manajemen Laba menggambarkan besar Total Accrual
perusahaan yang melakukan penawaran saham perdana periode 2007-2010 dengan nilai rata-rata Total Accrual adalah 0
,
486. Variabel manajemen laba dengan nilai terendah Total Accrual
adalah -8,422 dan nilai tertinggi Total Accrual adalah 25,621. Sedangkan nilai standar deviasi Total Accrual adalah 4,219.
3. Variabel Ukuran Perusahaan menggambarkan Total Asset perusahaan yang melakukan penawaran saham perdana periode
2007-2010 dengan nilai rata-rata Total Asset 1.776.584,44. Variabel Ukuran Perusahaan dengan nilai terendah Total Asset
adalah 87.764 dan nilai tertinggi Total Asset adalah 6.286.304. Sedangkan nilai standar deviasi Total Asset adalah sebesar
1.439.319,515.
B. HASIL ANALISIS 1. Uji Asumsi Klasik
a. Uji Normalitas Data
Cara yang digunakan untuk mengetahui apakah residual berdistribusi normal atau tidak adalah melalui analisis grafik dan uji
statistik. 1 Analisis Data
Normalitas dapat dideteksi dengan melihat penyebaran data pada sumbu diagonal dari grafik atau dengan melihat histogram
dari residualnya. Menurut Ghozali 2006 yang menjadi dasar pengambilan keputusan adalah:
a Jika data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas. b Jika data menyebar jauh dari diagonal dan tidak
mengikuti arah garis diagonal atau gtrafik histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
Berikut ini merupakan hasil pengujian normalitas:
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik Normal P-Plot
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang
tidak normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya agak menjauh dari garis
diagonal. Menurut Ghozali 2006 data yang tidak berdistribusi secara normal
dapat ditransformasi agar menjadi normal. Transformasi data yang
dilakukan adalah dengan mentransformasi ke model Logaritma Natural LN. Berikut hasil uji normalitas data setelah transformasi:
Gambar 4.3 Grafik Histogram Setelah Transformasi
Gambar 4.4 Grafik Normal P-Plot Setelah Transformasi
Dari grafik histogram dan normal Probability plot pada gambar 4.3 dan gambar 4.4 diatas terlihat bahwa setelah dilakukan transformasi data ke
Logaritma Natural LN terlihat bahwa grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-Plot memperlihatkan titik-titik
menyebar disekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
2 Uji Statistik Uji statistik yang digunakan adalah uji Kolmogorov-
Smirnov K-S dengan membuat hipotesis: Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal Apabila nilai signifikansi lebih besar dari 0,05, maka Ho diterima dan
Ha ditolak. Sebaliknya, jika nilai signifikansi lebih kecil dari 0,05 maka Ho ditolak dan Ha diterima Ghozali, 2006.
Hasil uji Kolmogorov-Smirnov sebelum ditransformasi dapat dilihat pada tabel dibawah:
Tabel 4.2 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstan dardized
Residual N
48 Normal Parameters
a,,b
Mean ,00000
00 Std. Deviation
889,91 653357
Most Extreme Differences Absolute
,229 Positive
,229 Negative
-,216 Kolmogorov-Smirnov Z
1,583 Asymp. Sig. 2-tailed
,013 a. Test distribution is Normal.
Sumber : Output SPSS
Besarnya nilai Kolmogorov-Smirnov adalah 1,583 dan signifikansi pada 0,013. Hal ini berarti bahwa nilai signifikansi lebih kecil dari 0,05
maka Ho ditolak yang berarti data residual berdistribusi tidak normal. Setelah dilakukan transformasi data ke model Logaritma Natural
LN, maka uji normalitas dilakukan kembali untuk mengetahui apakah data telah berdistribusi normal. Berikut ini hasil uji normalitas setelah
transformasi:
Tabel 4.3 Uji Normalitas Data Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstan dardized
Residual N
25 Normal Parameters
a,,b
Mean ,00000
00 Std. Deviation
1,1412 3275
Most Extreme Differences Absolute
,150 Positive
,150 Negative
-,101 Kolmogorov-Smirnov Z
,750 Asymp. Sig. 2-tailed
,627 a. Test distribution is Normal.
Sumber : Output SPSS
Berdasarkan dari tabel diatas nilai signifikansi adalah sebesar 0,627. Hal ini berarti bahwa nilai signifikansi lebih besar dari 0,05 maka Ho
diterima dan Ha ditolak yang berarti data residual telah berdistribusi normal.
b. Uji Multikolinearitas
