65
Selanjutnya variabel Harga Saham memiliki nilai terendah sebesar Rp. 91 PT. Arwana Citra Mulia, Tbk pada tahun 2011 dan harga saham tertinggi sebesar
Rp.1.2000 pada PT. Multi Bintang Indonesia, Tbk. Ditahun 2013 dengan nilai rata-rata mean sebesar Rp.363,39 serta nilai standar deviasi sebesar 1239,79.
Selanjutnya variabel Dividend Payout Ratio DPR mempunya nilai terendah sebesar 5,04 pada PT. Gajah Tunggal, Tbk tahun 2011 dan nilai
tertinggi sebesar 121,41 pada PT. Delta Djakarta, Tbk ditahun 2011 dengan nilai rata-rata mean sebesar 49,49 serta nilai standar deviasi sebesar 25,74871.
4.2.2 Uji Asumsi Klasik
Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah terpenuhinya semua asumsi klasik,
agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik dalam penelitian ini meliputi normalitas data, heteroskedastisitas, multikolonearitas, dan
autokorelasi agar hasil pengujian tidak bersifat bias dan efisien. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-
multikolinearitas, non-autokorelasi dan non-heteroskedasitas. Pada pengujian awal asumsi klasik heteroskedastisitas dengan
menggunakan pendekatan statistik uji glejser, dan pengujian autokorelasi data tidak
memenuhi kedua
asumsi tersebut,
artinya data
mengalami heteroskedastisitas dan terjadi auto korelasi antar variabel independen seperti
terlihat pada Tabel 4.2 berikut:
Universitas Sumatera Utara
66
Tabel 4.2 Pengujian Awal Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 16.179
1.688 9.587
.000 ROE
.099 .047
.202 2.122
.035 DER
-.004 .016
-.018 -.222
.825 HARGA_SAHAM
.000 .001
-.026 -.288
.774 a. Dependent Variable: Absut
Sumber: Pengolahan Data Primer 2015
Pada Tabel 4.2 terlihat bahwa hasi uji heteroskedastisitas dengan pendekatan statistik glejser menunjukkan bahwa tingkat signifikansi Return on
Equity ROE sebesar 0,0350,05, tingkat signifikansi Debt to Equity Ratio DER sebesar 0,8250,05, dan tingkat signifikansi Harga Saham sebesar
0,7740,05. Dengan
demikian, model
yang digunakan
mengalami heteroskedastisitas karena salah satu variabel independen Return on Equity
bernilai signifikan sebesar 0,0350,05. Model yang seharusnya adalah tingkat signifikansi variabel independen lebih besar dari 0,05 sehingga dapat disimpulkan
bahwa data tidak memenuhi asumsi heteroskedastisitas. Selanjutnya, hasil pengujian awal juga menunjukkan bahwa data
mengalami auto korelasi. Seperti terlihat pada Tabel 4.3 berikut:
Tabel 4.3 Pengujian Awal Autokorelasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.137
2.952 .385
.701 ROE
-.031 .082
-.036 -.375
.708 DER
-.003 .028
-.008 -.092
.927 HARGA_SAHAM
-9.467E-5 .002
-.005 -.058
.954 Auto
.213 .079
.212 2.680
.008 a. Dependent Variable: Unstandardized Residual
Sumber: Pengolahan Data Primer 2015
Universitas Sumatera Utara
67
Pada pengujian awal autokorelasi menggunakan Uji Lagrange Multiplier LM test. Uji Lagrange Multiplier LM test lebih tepat digunakan dibanding
autokorelasi dengan Durbin Watson DW test karena jumlah pengamatan diatas 100 observasi. Uji Lagrange Multiplier LM test menunjukkan bahwa tingkat
signifikansi Auto sebesar 0,0080,05. Dengan demikian, terlihat bahwa terjadi auto kerelasi yang signifikan karena tingkat signifikansi dibawah 0,05.
Melihat hasil Uji heteroskedastisitas dan autokorelasi pada pengujian awal dapat disimpulkan bahwa model regresi yang digunakan tidak memenuhi asumsi
heteroskedastisitas dan asumsi autokorelasi. Untuk mengatasi hal tersebut, maka dilakukan langkah screening untuk mendeteksi adanya data outlier. Outlier
adalah kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya yang muncul dalam bentuk nilai
ekstrim. Deteksi terhadap unvariat outlier dapat dilakukan dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier yaitu dengan cara
mengkonversikan nilai data kedalam skor standardized atau Z-Score . untuk sampel besar standar skor yang dinyatakan outlier jika nilainya pada kisaran 3
sampai 4 atau lebih sehingga data yang memiliki nilai Z-Score pada kisaran angka tersebut dikeluarkan dari model.
Setelah melakukan screening data, data yang memiliki nilai Z-Score pada kisaran 3 sampai dengan 4 atau lebih dikeluarkan dari model dan dilakukan
pengujian kembali. Hasil pengujian asumsi klasik setelah uji outler adalah sebagai berikut:
Universitas Sumatera Utara
68
1. Uji Normalitas a. Pendekatan Histogram
Sumber: Pengolahan Data SPSS 2015 Gambar 4.1 Histogram
Pada Gambar 4.1 terlihat bahwa grafik histogram telah berdistribusi dengan normal. Hal ini terlihat dari grafik histogram yang tidak terlalu menceng
ke kiri ataupun menceng kekanan. b. Pendekatan Grafik Normal Probability Plot
Pendekatan dengan grafik Normal Probability Plot dapat dilihat pada Gambar 4.2 berikut:
Universitas Sumatera Utara
69
Sumber: Pengolahan Data Primer 2015
Gambar 4.2 Normal Probability Plot
Berdasarkan hasil Uji Normalitas dengan pendekatan grafik diatas, dapat diketahui bahwa data memiliki distribusi atau penyebaran yang normal, hal ini
dapat dilihat dari penyebaran titik berada disekitar sumbu diagonal dari grafik. c. Pendekatan Statistik Kolmogorov-Smirnov
Pada Tabel 4.4 berikut dapat dilihat hasil uji normalitas dengan pendekatan statistik Kolmogorov-Smirnov
Universitas Sumatera Utara
70
Tabel 4.4 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 21.91270430
Most Extreme Differences Absolute
.073 Positive
.073 Negative
-.044 Kolmogorov-Smirnov Z
.915 Asymp. Sig. 2-tailed
.373 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Pengolahan Data Primer 2015
Berdasarkan Tabel 4.4 terlihat bahwa nilai Asymp. Sig. 2-tailed sebesar 0,3730,05 dan nilai Kolmogorov-Smirnov Z sebesar 0,9151,97. Sehingga
berdasarkan kriteria pengujian maka data dapat dinyatakan bahwa data telah berdistribusi normal.
2. Uji Heteroskedastisitas a.
Pendekatan Grafik Scatterplot Untuk melihat ada tidaknya Heteroskedastisitas pada model yang
digunakan, dilakukan dengan Uji Heteroskedastisitas Scatter Plot. Berikut hasil Uji Heteroskedastisitas dengan Scatter Plot.
Universitas Sumatera Utara
71
Sumber: Pengolahan Data Primer 2015 Gambar 4.3 Scatter Plot
Berdasarkan Hasil Uji Heteroskedastisitas dengan pendekatan Scatter Plot diatas, diketahui bahwa titik-titik penyebaran pada Scatter Plot tidak
menunjukkan pola tertentu atau menyebar secara acak dan penyebarannya berada di atas dan di bawah angka nol, sehingga model regresi yang digunakan tidak
mengalami Heteroskedastisitas. b.
Pendekatan Statistik Glejser Pendekatan lainnya yang digunakan adalah pendekatan statistik Uji Glejser.
Hasil Uji Glejser dapat dilihat pada Tabel 4.5 berikut:
Tabel 4.5 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 18.752
2.259 8.302
.000 ROE
-.003 .076
-.003 -.033
.973 DER
-.021 .022
-.078 -.961
.338 HARGA_SAHAM
.001 .002
.028 .296
.767 a. Dependent Variable: Absut
Sumber: Pengolahan Data Primer 2015
Universitas Sumatera Utara
72
Berdasarkan Tabel 4.5 diketahui bahwa tingkat signifikansi variabel Return on Equity ROE sebesar 0,9730,05, tingkat signifikansi variabel Harga
Saham sebesar 0,7670,05. Dengan demikian, terlihat bahwa tidak satupun variabel independen secara statistik berpengaruh signfikan terhadap variabel
absut. Maka sesuai dengan kriteria pengujian, maka data tidak mengarah adanya heteroskedastisitas. Sehingga model yang digunakan telah memenuhi asumsi
non-heteroskedastisitas. 3. Uji Multikolonearitas
Asumsi selanjutnya yang harus dipenuhi adalah asumsi non multikolonearitas. Hasil Uji Multikolonearitas dapat dilihat pada Tabel 4.6
berikut:
Tabel 4.6 Uji Multikolonearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
41.633 3.762
11.065 .000
ROE .563
.127 .367
4.446 .000
.731 1.368
DER -.102
.036 -.203 -2.848
.005 .981
1.020 HARGA_SAHAM
.006 .003
.143 1.734
.085 .729
1.371 a. Dependent Variable: DPR
Sumber: Pengolahan Data Primer 2015
Dari hasil Uji Multikolonearitas pada Tabel 4.6 terlihat bahwa nilai Tolerance variabel Return on Equity sebesar 0,7310,1 dengan nilai VIF sebesar
1,36810, nilai Tolerance Variabel Debt to Equity Ratio sebesar 0,9810,1 dengan nilai VIF sebesar 1,020 dan nilai Tolerance variabel Harga Saham sebesar
0,7290,1 dengan nilai VIF sebesar 1,371. Dengan demikian, nilai Tolerance setiap variabel independen 0,1 sedangkan nilai VIF dari seluruh variabel
Universitas Sumatera Utara
73
independen10. Maka sesuai dengan kriteria pengujian jika Tolerance 1 dan VIF 10 maka data tidak mengalami gejala multikolonearitas.
4. Uji Auto Korelasi
Untuk mendeteksi ada atau tidaknya autokorelasi, digunkan uji Lagrange Multiplierr LM test. Hasil uji autokorelasi dapat dilihat pada Tabel 4.7 berikut:
Tabel 4.7 Uji Autokorelasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1.749 3.784
.462 .645
ROE -.012
.126 -.009
-.096 .924
.727 1.376
DER -.010
.036 -.024
-.291 .771
.980 1.021
HARGA_SAHAM .000
.003 -.027
-.283 .777
.721 1.386
Auto .147
.082 .148
1.795 .075
.969 1.032
a. Dependent Variable: Unstandardized Residual
Sumber: Pengolahan Data Primer 2015
Hasil uji Autokorelasi pada Tabel 4.7 terlihat bahwa tingkat signifikansi Autokorelasi sebesar 0,0750,05. Dengan demikian, berdasarkan kriteria
pengujian, maka dapat disimpulkan bahwa data tidak mengarah adanya autokorelasi dengan kata lain, asumsi nonautokorelasi telah terpenuhi.
4.2.3 Analisis Regresi Linear Berganda