commit to user
45 Variabel
Return On Asset
memiliki nilai rata-rata sebesar 0,1027. Nilai
Return On Asset
terkecil dicapai oleh PT. Googyear Indonesia Tbk, yaitu sebesar -0,01 pada tahun 2005. Sedangkan nilai
Return On Asset
terbesar
dicapai oleh PT. Kalbe Farma Tbk, yaitu sebesar 1,47 pada tahun 2006.
C. PENGOLAHAN DATA
Pengolahan data dalam penelitian ini menggunakan bantuan SPSS versi 15.00
for Windows.
Sebelum melakukan regresi untuk pengujian hipotesis, terlebih dahulu dilakukan pengujian normalitas data dan pengujian asumsi
klasik yang merupakan persyaratan untuk melakukan regresi.
1. Uji Normalitas Data
Uji yang digunakan untuk melihat normalitas data yaitu uji Kolmogrof-Smirnov. Jika signifikansi hitung p-value lebih besar dari 0,05,
maka data dinyatakan berdistribusi normal. Variabel yang diutamakan untuk berdistribusi normal dalam penelitian adalah variabel dependen yang
diproksikan dengan
return saham
. Variabel dependen diutamakan normal karena pada dasarnya nilai dari variabel dependen berasal dari nilai rata-rata
variabel independennya. Hasil pengujian dengan menggunakan Uji Kolmogrov-Smirnov
dapat ditunjukan pada tabel dibawah ini :
commit to user
46
Tabel IV. 3 Hasil Uji
Kolmogorov-Smirnov
Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
143 143
143 143
143 143
143 -,5040
2,0524 15,3458
,45881 7,2043 320,4838
,1027 8,40782
2,82845 22,94766 ,183873 10,71642 1023,839
,17626 ,477
,245 ,267
,051 ,258
,378 ,296
,386 ,234
,254 ,051
,258 ,361
,296 -,477
-,245 -,267
-,051 -,258
-,378 -,273
5,702 2,930
3,195 ,615
3,089 4,514
3,543 ,000
,000 ,000
,844 ,000
,000 ,000
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed RETURN
PBV PER
FL ITO
DPS ROA
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data lampiran
Dari hasil pengujian Uji Kolomogrov-Smirnov, terdapat lima nilai signifikansi variable kurang dari 0,05 hanya variable FL yang memiliki nilai
signifikansi diatas 0,05 yang masing-masing sebesar 0,844. Oleh karena itu, hanya variable FL saja yang berdistribusi normal. Sedangkan variable lain tidak
berdistribusi normal. Pada praktiknya, jarang bahkan tidak pernah dijumpai kumpulan data
yang berdistribusi normal, namun demikian kurva normal dapat digunakan untuk kumpulan data yang distribusinya mendekati normal Djarwanto PS,
1998. Jika ditemukan data yang tidak normal maka dapat digunakan beberapa cara untuk menormalkan data tersebut. Selain menambah data, dapat juga
dilakukan metode trimming dan transformasi data kedalam bentuk logaritma natural LN.
Metode trimming dapat ditempuh dengan membuang sampel yang memiliki sifat ouliers, yaitu sampel yang memiliki nilai diluar batas normal
ketika dibandingkan dengan data lain dalam sampel tersebut. Karena pada dasarnya penyebab data tidak berdistribusi normal adalah adanya beberapa
commit to user
47 item yang data yang bersifat outliers. Sedangkan dan mentransformasi sampel
kedalam bentuk LN, diharapkan sampel awal dapat memenuhi batas nilai yang ditentukan. Pada penelitian ini peneliti memilih metode transformasi kebentuk
logaritma natural. Variabel yang diutamakan untuk berdistribusi normal dalam penelitian
adalah variable dependen yang diproksikan dengan RETURN. Variabel dependen diutamakan normal karena pada dasarnya nilai dari variable dependen
berasal dari nilai rata-rata variable independennya. Dalam penelitian ini tidak semua variable ditransformasi ke dalam
bentuk logaritma natural. Variabel FL tidak perlu dinormalkan sebab variabel FL sudah berdistribusi normal.
Variabel RETURN juga tidak dapat langsung ditransformasikan ke dalam bentuk logaritma natural sebab ada bilangan yang memiliki nilai negative
sehingga tidak dapat ditransformasikan ke dalam logaritma natural. Oleh karena itu, sebelum ditransformasikan ke dalam bentuk logaritma natural, variabel
RETURN di kuadratkan dahulu untuk menghilangkan nilai negatifnya. Setelah itu, hasil kuadrat variabel RETURN ditransformasikan dalam bentuk logaritma
natural.
commit to user
48
Tabel IV. 4 Hasil Uji
Kolmogorov-Smirnov
Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
143 138
143 142
143 143
142 ,45881
-1,39971 ,28336
2,37401 1,54161
3,67587 -2,89444
,183873 1,313775
,880049 ,796542
,880657 2,037952 1,257508 ,051
,073 ,075
,062 ,073
,075 ,126
,051 ,073
,075 ,062
,053 ,075
,103 -,051
-,058 -,039
-,057 -,073
-,036 -,126
,615 ,858
,893 ,741
,879 ,902
1,506 ,844
,453 ,403
,643 ,423
,390 ,021
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed FL
LNRETURN LNPBV
LNPER LNITO
LNDPS LNROA
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data lampiran
Dari table IV.5 diperoleh nilai signifikansi variabel LNRETURN, LNPBV, LNPER, LNITO dan LNDPS lebih besar dari 0,05. Jadi variabel
tersebut telah berdistribusi normal. Sedangkan variabel LNROA tetap tidak berdistribusi normal walaupun telah ditransformasikan ke bentuk logaritma
natural. Maka ditempuh cara trimming untuk memperoleh nilai signifikansi yang lebih besar dari 0,05. Hasil trimming dapat dilihat dalam table IV.5
Tabel IV. 5 Hasil Uji
Kolmogorov-Smirnov
Setelah Trimming
One-Sample Kolmogorov-Smirnov Test
133 133
132 133
133 132
133 -1,40843
,28925 2,36956
1,54693 3,72867 -2,78792
,46511 1,179838
,885855 ,789678
,894578 2,043408 1,061403 ,182124
,084 ,058
,069 ,083
,068 ,117
,051 ,051
,058 ,069
,061 ,068
,087 ,046
-,084 -,033
-,053 -,083
-,035 -,117
-,051 ,967
,674 ,788
,954 ,787
1,341 ,583
,307 ,754
,564 ,322
,566 ,055
,885 N
Mean Std. Deviation
Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed LNRETURN LNPBV
LNPER LNITO
LNDPS LNROA
FL
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data lampiran
Dari table IV.6 diperoleh nilai signifikansi variabel LNRETURN, LNPBV, LNPER, LNITO, LNDPS dan LNROA setelah dilakukan trimming
lebih besar dari 0,05 jadi variabel tersebut telah berdistribusi normal.
commit to user
49
2. Pengujian Asumsi Klasik
