laporan keuangan perusahaan, indeks saham individual dan indeks saham gabungan periode tahun 2005 sd tahun 2007.
3.3.3 Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah : a.
Dokumentasi Adalah teknik pengumpulan data yang dilakukan dengan melihat
dokumen atau menggunakan catatan yang ada, yaitu dengan mengumpulkan data yang diperoleh dari dokumen Bursa Efek
Indonesia berupa laporan keuangan peusahaan, indeks saham individual dan indeks saham gabungan periode tahun 2005 sd 2007.
3.4. Teknik Analisis
Teknik analisis dalam penelitian ini menggunakan model regresi linier berganda yaitu analisis yang berkaitan dengan studi ketergantungan
satu variabel yang disebut variabel tidak bebas dengan dua atau lebih variabel lainnya yang disebut variabel bebas. Analisis ini digunakan
karena sesuai dengan kondisi yang akan diuji, berapa ketergantungan harga saham pada beberapa variabel lain.
Adapun model regresi linier berganda untuk kondisi tersebut dirumuskan sebagai berikut :
Y = β
o
+ β
1
X
1
+ β
2
X
2
+ e Anonim, 2003: L-21
Dimana : Y
= Harga Saham X
1
= Debt to Equity Ratio
X
2
= Resiko Sistematis β
o
= konstanta β
1
β
2
= koefisien
regresi e
= Standart Error
3.5. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut
mengikuti sebaran normal dalam penelitian ini dengan menggunakan metode Kolmogorov Smirnov Soemarsono, 2004:42.
Dalam pengambilan keputusan apakah sebuah distribusi data mengikuti distribusi nirmal adalah Sumarsono, 2004:43 :
a. Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5,
maka distribusi adalah tidak normal. b.
Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
3.6. Uji Asumsi Klasik
Persamaan regresi tersebut harus 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 tiga asumsi klasik yang tidak boleh dilanggar oleh regresi linier berganda,
yaitu : 1.
Tidak boleh ada Multikolonieritas
2. Tidak boleh ada
Heterokedasitas 3.
Tidak boleh ada Autokorelasi
Apabila salah satu dari ketiga asumsi tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
3.6.1. Uji Multikolonieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditentukan adanya korelasi antar variabel bebas independent. Model
regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak
orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol Imam Ghzali, 2001 : 57 .
Menurtu Singgih Santoso 2002 : 206 , model regresi bebas dari multikolonieritas bila :
1. VIF disekitar angka 1 atau lebih kecil dari 10.
2. Mempunyai angka tolerance mendekati 1.
Identifikasi secara statistic ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi product moment.
3.6.2. Uji Heterokedasitas
Satu asumsi penting dari model regresi linier klasik adalah bahwa gangguan
disturbance yang muncul dalam fungsi regresi populasi adalah homoskedatik; yaitu semua gangguan tadi mempunyai varians yang sama
Gujarati, 1995:177. Pendeteksian heteroskedasitisitas adalah dengan
pengujian Rank Korelasi dari Spearman, dengan ketentuan sebagai berikut
Gujarati, 1995:188 :
Jika nilai
t
hitung
t
kritis
, maka terkena heteroskedastisitas
Jika nilai
t
hitung
t
kritis
, maka bebas heteroskedastisitas
Dimana
t
hitung
diperoleh dari rumus sebagai berikut :
r
s
=
2
1 2
S S
r n
r
Keterangan :
r
s
= koefisien korelasi rank spearman
N = Jumlah observasi
3.6.3. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau
data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1995 : 201. Jadi dalam model regresi linier diasumsikan tidak terdapat
gejala autokorelasi. Artinya nilai residual Y observasi – Y prediksi pada
waktu ke –t
e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya
e
t-1
. Identifikasi gejala autokorelasi dapat dilakukan dengan kurva
dibawah ini. Nilai tabel Durbin Watson dL dan dU dapat dicari dari tabel, dengan mengetauhi nilai k = jumlah variabel bebas dan N = jumlah
data. Untuk mengetahui nilai dW tes berada di daerah mana dapat digunakan tabel berikut :
Tabel 1 : Penentuan Nilai Durbin Watson Kriteria
DW tes berada di Ada autokorelasi positif
0 dW dL Tidak ada keputusan
dL ≤ dW ≤ dU
Tidak ada autokorelasi dU
≤ dW ≤ 4 - dU Ada autokorelasi keputusan
4 - dU ≤ dW ≤ 4 - dL
Ada autokeralasi negative 4 - dL dW 4
Sumber : Gujarat, 1995 : 423
Setelah nilai Durbin Watson tes diperoleh untuk dapat mengetahui berada di daerah mana dapat diplotkan pada gambar kurva di bawah ini.
3.7. Uji Hipotesis 3.7.1. Uji F
Kategori