Teknik Analisis Data METODE PENELITIAN
tinggi melebihi angka 0,8, ada kemungkinan terjadi kolinearitas yang serius.
3 Pengujian korelasi parsial. Koefisien korelasi parsial melihat
pengaruh antar dua variabel dan menganggap variabel ketiga konstan. Dimisalkan koefisien korelasi antara X
1
dan X
2
adalah 0,43 dan menganggap pengaruh X
3
konstan, maka koefisien korelasi X
1
dan X
2
masih 0,43. Padahal jika tidak mempertimbangkan X
3
konstan, maka nilai X
1
dan X
2
menjadi 0,9. Jadi dengan mempertimbangkan korelasi parsial ini, kita tidak bisa mengatakan bahwa kolinearitas antara X
1
dan X
2
cukup tinggi.Regresi subsider atau tambahan. Regresi subsider merupakan tambahan atas regresi utama Y terhadap
semua X. Kelemahan menggunakan teknik ini adalah beban perhitungan. Jika suatu regresi mengandung beberapa
variabel penjelas, maka harus dihitung beberapa regresi subsider sehingga metode pendeteksian kolinearitas ini
terbatas penggunaannya. 4
Faktor inflasi varians Variance Inflation Factor-VIF. VIF dapat dirumuskan
�� = 1
1 −
2 2
VIF ini menunjukkan bagaimana varian dari estimator menaik inflating dengan adanya multikolinearitas.
Ketika
12 2
mendekati 1 maka nilai VIF tidak terbatas. Ketika
kolinearitas antara variabel independen naik maka varian dari estimator juga akan naik dan menjadi nilai yang tidak
terbatas. Sebaliknya jika ada kolinearitas antar variabel independen maka nilai VIF menjadi 1 Widarjono, 2013.
Ketika koefisien
determinasi ini
1 terjadi
multikolinearitas sempurna, varians dan kesalahan standar tidak bisa didefinisikan. Tentu bila R
2
nol, yakni tak ada kolinearitas, maka VIF akan 1 sehingga kesalahan standard
an varians besar yang mengganggu situasi kolinearitas Gujarati, 2007: 70.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah dimana terdapat kesamaan varians dari residual satu
pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas Kurniawan, 2014: 158. Uji statistik yang dapat
digunakan adalah uji Glejser dengan meregresikan antara variabel independen dengan nilai absolut residualnya. Jika variabel
independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas.
c. Uji Autokorelasi
Pada uji autokorelasi menggunakan data deret berkala tetapi bisa juga menggunakan data lintas sektoral Gujarati, 2007:
100. Untuk mengetahui adanya autokorelasi pada model regresi dengan Uji d Durbin Watson. Statistik d Durbin-Watson
didefinisikan sebagai Gujarati, 2007: 102 : =
−
−1 2
=2 2
=1
Jika ρ = 0 maka nilai d = 2 yang berarti tidak adanya masalah autokorelasi. Oleh karena itu sebagai aturan kasar rule of
thumb jika nilai d = 2 maka kita bisa mengatakan bahwa tidak ada autoko
relasi baik positif maupun negatif. Jika ρ = +1, nilai d ≈ 0, mengindikasikan adanya autokorelasi positif. Oleh karena itu, nilai
d yang semakin mendekati nol menunjukkan semakin besar terjadinya autokorelasi positif. Jika ρ = -1, nilai d ≈ 4, yang berarti
ada autokorelasi negatif. Dengan demikian nilai d yang semakin besar mendekati 4 maka semakin besar terjadinya masalah
autokorelasi negatif Widarjono, 2013: 141.
Gambar 3.1 Statistik Durbin-Watson d
Tabel 3.1 Tabel Uji d Durbin-Watson: Aturan Keputusan
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d d
L
Tidak ada autokorelasi positif Tidak ada
keputusan d
L
d d
U
Tidak ada autokorelasi negatif Tolak
4 − d
L
d 4 Tidak ada autokorelasi negatif
Tidak ada keputusan
4 − d
U
d 4
− d
L
Tidak ada autokorelasi positif atau negatif
Jangan tolak d
u
4 − d
U
3. Persamaan regresi berganda sebagai berikut:
= + +
+. . . +
� �
+ �
Keterangan Y
= Variabel dependen α
= Konstanta Autokorela
si positif
Daearah Meragukan
Tidak ada Autokorelasi
Daerah Meragukan
Autokorela si negatif
d
L
d
U
4-d
U
4-d
L
4 2
β
1
...βn = Koefisien regresi variabel independen ke 1 sampai n
X
1
…X
n
= Variabel independen ke 1 sampai n 4.
Pengujian Hipotesis Hipotesis merupakan pernyataan tentang sifat populasi sedangkan
uji hipotesis adalah suatu prosedur untuk pembuktian kebenaran sifat populasi berdasarkan data sampel. Dalam melakukan penelitian, kita
harus membuat hipotesis penelitian yaitu hipotesis nol H
o
merupakan keyakinan peniliti yang akan dibuktikan kebenarannya dengan
menggunakan data sampel, sedangkan hipotesis alternatif H
a
adalah lawan atau alternatif dari hipotesis nol dan akan kita terima jika kita
menolak H
o
Widarjono, 2013: 41-43. a.
Uji F Pada regresi berganda dimana mempunyai lebih dari satu
variabel independen terhadap variabel dependen diuji dengan menggunakan uji F
2
. Uji F digunakan untuk uji signifikasi model. Pada saat koefisien determinasi TSS total sum of
squares mempunyai df= n-1, ESS explained sum of squares mempunyai df sebesar k-1 sedangkan SSR sum of squared
residual mempunyai df= n-k. Persamaan dapat ditulis Widarjono, 2013: 65:
F = R
2
k − 1
1 − R
2
N − k
~ F k − 1 , n − k
Keterangan : R
2
= Koefisien Determinasi
K =
Banyaknya koefisien regresi N
= Banyak Observasi
Dari persamaan diatas jika hipotesis nol terbukti, maka mengharapkan nilai dari ESS dan R
2
akan sama dengan nol sehingga F akan juga sama dengan nol. Dengan demikian,
tingginya nilai F statistik akan menolak hipotesis nol, sedangkan rendahnya nilai F statistik akan gagal menolak hipotesis nol
karena variabel independen hanya sedikit menjelaskan variasi variabel dependen disekitar rata-ratanya Widarjono, 2013: 66.
Walaupun uji F menunjukkan adanya penolakan hipotesis nol yang menunjukkan bahwa secara bersama-sama semua
variabel independen mempengaruhi variabel dependen, namun hal ini bukan berarti secara individual variabel independen
mempengaruhi variabel dependen dengan uji t. Keadaan ini terjadi karena kemungkinan adanya korelasi yang tinggi antar
variabel independen. Kondisi ini menyebabkan standard error sangat tinggi dan rendahnya nilai t hitung meskipun model
secara umum mampu menjelaskan data dengan baik Widarjono, 2013: 66.
b.Uji
t
Uji t digunakan untuk mengetahui variabel independen mempunyai distribusi normal terhadap variabel dependen yang
juga akan terdistribusi normal. Pada penelitian ini besarnya
derajat degree of freedom df dari jumlah variabel independen ditambah dengan konstanta yaitu n-k. Langkah untuk uji t
sebagai berikut Widarjono, 2013: 43: 1
Membuat hipotesis sesuai banyak variabel independen yang diteliti, karena peneliti mempunyai landasan teori
yang kuat sehingga menggunakan uji hipotesis satu sisi. H
o1
: β
1
0 Likuiditas tidak berpengaruh positif terhadap return saham.
H
a1
: β
1
0Likuiditas berpengaruh positif terhadap return saham.
H
o2
: β
2
0 Profitabilitas tidak berpengaruh positif terhadap return saham.
H
a2
: β
2
0 Profitabilitas berpengaruh positif terhadap return saham.
H
o3
: β
3
0 Leverage tidak berpengaruh negatif terhadap return saham.
H
a3
: β
3
0 Leverage berpengaruh negatif terhadap return saham.
H
o4
: β
4
0 Aktivitas tidak berpengaruh positif terhadap return saham.
H
a4
: β
4
0 Aktivitas berpengaruh positif terhadap return saham.
2 Menghitung nilai t hitung untuk β
1
dan β
2
dan mencari nilai nilai t kritis dari tabel distribusi t ada pada
lampiran. Nilai t hitung dicari dengan formula sebagai berikut :
=
1 1
3 Bandingkan nilai t hitung untuk masing-masing
estimator dengan t kritisnya dari tabel. Keputusan menolak atau gagal menolak Ho sebagai berikut:
Jika nilai t hitung nilai t kritis maka Ho ditolak atau
menerima Ha Jika nilai t hitung nilai t kritis maka Ho diterima atau
menolak Ha
45