β
i
= Koefisien regresi masing-masing X
i
, i = 1,2,3,4.
3.6.2. Pengujian Normalitas Data
Sebelum melakukan analisis dengan menggunakan model yang disampaikan diatas, maka sesuai dengan syarat metode Ordinary Least Square OLS, terlebih
dahulu akan dilakukan pengujian normalitas dan asumsi klasik yang menurut Gujarati, alih bahasa Sumarno Zain 1995 akan meliputi pengujian multicollinearity,
heteroschedasticity, dan autocorrelation. Asumsi distribusi normal diperiksa dengan menggunakan grafik Normal
Probability Plot atau Histogram. Jika data mengikuti garis normal pada grafik Normal Probability Plot maka data diasumsikan berdistribusi normal. Cara lainnya adalah
Pengujian normalitas dilakukan dengan menggunakan pengujian Kolmogorov- Smirnov. Pengujian dengan metode ini menyatakan jika nilai Kolmogorov-Smirnov
memiliki probabilitas lebih besar dari 0.05 Santoso, 2005, maka variable penelitian tersebut dapat dinyatakan berdistribusi normal.
3.6.3. Pengujian Asumsi Klasik
3.6.3.1. Uji Multikolinearitas
Multikolinearitas dapat timbul jika variabel bebas saling berkorelasi satu sama lain, sehingga multikolinearitas hanya dapat terjadi pada regresi berganda. Hal ini
mengakibatkan perubahan tanda koefisien regresi serta mengakibatkan fluktuasi yang besar pada hasil regresi. Perubahan tanda koefisien regresi ini dapat mengakibatkan
Rosdiana : Pengaruh Komponen Laporan Arus Kas Dan Earning Per Share Terhadap Return Saham Perusahaan Barang-Barang Konsumsi Di Bursa Efek Indonesia, 2008
kesalahan menafsirkan hubungan antara variabel sehingga keberadaan multikolinearitas ini harus diuji Levin, 1998 supaya dapat dijamain bahwa variabel
independen di dalam penelitian tidak saling berkorelasi. Pengujian dapat dilakukan dengan Colinearity Diagnostic serta partial correlation. Indikator yang digunakan
adalah melihat nilai collinearity Statistics, yaitu nilai variance inflation faktor VIF lebih besar dari 10 dan nilai tolerance lebih kecil dari 0,10 Ghozali,2005.
3.6.3.2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Jika
varians dari variabel tetap maka disebut homoskedastisitas dan jika varians berbeda disebut heteroskedastisitas. Jika angka signifikan yang diperoleh dari persamaan
regresi yang baru lebih besar dari alpha 5, maka dikatakan tidak terjadi heteroskedastisitas. Sebaliknya jika angka signifikan yang diperoleh lebih kecil dari
alpha 5, maka dapat dikatakan terjadi heteroskedastisitas Ghozali,2005. Cara pengujian lain adalah dengan membuat diagram plot dari varibel yang
digunakan dalam penelitian. Jika diagram plot yang dibentuk menunjukkan pola tertentu maka dapat dikatakan model tersebut mengandung gejala heteroskedastisitas.
3.6.3.3. Uji Autokorelasi
Autokorelasi adalah suatu kondisi dimana variabel gangguan pada periode tertentu berkorelasi dengan variabel gangguan pada periode lain. Hal ini berarti
bahwa variabel gangguan tidak random. Keadaan autokorelasi ini dapat disebabkan oleh berbagai hal seperti kesalahan dalam menentukan model, penggunaan lag pada
Rosdiana : Pengaruh Komponen Laporan Arus Kas Dan Earning Per Share Terhadap Return Saham Perusahaan Barang-Barang Konsumsi Di Bursa Efek Indonesia, 2008
model, tidak memasukkan variabel yang penting. Untuk pengujian ada tidaknya autokorelasi ini, penulis menggunakan uji Durbin Watson. Mekanisme uji Durbin
Watson adalah sebagai berikut : 1. Melakukan regresi dengan Ordinary Least Square OLS, kemudian kita
menyimpan residualnya. 2. Menghitung nilai d dengan rumus :
∑ ∑
−
− =
2 2
1 t
t t
hit
e e
e d
Apabila model menggunakan lag dari variabel dependent, maka test Durbin Watson yang dilakukan adalah :
p t
N N
H ]
1 [
1 2
−
− =
σ dimana:
p = 1-12d
σ
2 t-1
= Varian variabel lag dari variabel dependent. N
= Banyaknya observasi. 3. Dengan jumlah sampel tertentu dan jumlah variabel independent tertentu,
diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin Watson untuk berbagai nilai
α diambil langsung dari tabel. 4. Hipotesis yang digunakan adalah :
H = Tidak ada autokorelasi baik positif maupun negatif
Rosdiana : Pengaruh Komponen Laporan Arus Kas Dan Earning Per Share Terhadap Return Saham Perusahaan Barang-Barang Konsumsi Di Bursa Efek Indonesia, 2008
d dl = Tolak H
ada korelasi positif d 4 - dl
= Tolak H ada korelasi negatif
du d 4- du = Terima H
Tidak ada autokorelasi dl
≤ d ≤ du = Tidak dapat ditarik kesimpulan
4-du ≤ d ≤ 4-dl = Pengujian tidak dapat disimpulkan
Gambar 3.1. Daerah pengambilan keputusan tes Durbin-Watson Gujarati, 2003
3.6.4. Pengujian Hipotesis