34
Harga Saham Y
Harga yang dibentuk oleh penjual dan pembeli saham
ketika mereka memper- dagangkan saham di pasar
bursa Harga pasar
per lembar Rasio
3.6 Metode Analisis Data
Data penelitian yang telah dikumpulkan kemudian akan dianalisis untuk memperoleh jawaban dari permasalahan penelitian ini. Analisis data dalam
penelitian ini digunakan dengan metode analisis statistik yang menggunakan regresi berganda dan menggunakan software SPSS. Tahapan yang dilakukan
dalam menganalisis penelitian ini adalah sebagai berikut.
3.6.1 Pengujian Asumsi Klasik 3.6.1.1 Uji Normalitas
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Menurut Erlina 2011:100, ”jika data normal, gunakan
statistik parametrik, dan jika data tidak normal, gunakan statistik nonparametrik atau lakukan treatment agar data normal”.
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi
normal. Cara untuk menguji variabel pengganggu ini adalah dengan melakukan kolmogorov-Smirnov terhadap model yang diuji. Uji
normalitas ini dapat dilakukan dengan dua cara yaitu analisis grafik dan uji statistik deengan membuat hipotesis sebagai berikut
H : data residual berdistribusi normal
35
H
a
: data residual tidak berdistribusi normal Dengan kriteria nilai signifikansi lebih besar dari 0,05 maka H
diterima dan H
a
ditolak, sedangkan jika nilai signifikansi lebih kecil dari 0,05 makaH
ditolak dan H
a
diterima. Menurut Erlina 2011:100 untuk data yang tidak normal dapat
dijadikan menjadi bentuk yang normal dengan beberapa cara sebagai berikut:
1. Transformasi data
Transformasi data dapat dilakukan dengan logaritma natural Ln, Log 10, maupun akar kuadrat. Jika ada data yang bernilai
negatif, transformasi data dengan logaritma akan menghilangkannya sehingga jumlah sampel n akan berkurang.
2. Trimming
Trimming adalah memangkas atau membuang observasi yang
bersifat outlier. 3.
Winzorising Winzorising
mengubah nilai-nilai outlier menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal.
3.6.1.2 Uji multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.
Menurut Erlina 2011:102, “model regresi yang baik seharusnya tidak
36
terjadi korelasi diantara variabel independen”. Jika ditemukan korelasi diantara variabel independen, maka variabel independen tidak
orthogonal. Variabel independen yang bersifat orthogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama
dengan nol.
3.6.1.3 Uji Heteroskedasitas
Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat homokedastisitas atau bersifat konstan.
Umumnya heterokedastisitas sering terjadi pada model yang menggunakan data cross section dari pada data time series. Pengujian
gejala heterokedasitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Cara mendeteksi ada atau tidaknya heterokedasitas adalah dengan melihat grafik scatterplot antara nilai
prediksi variabel dependen. Menurut Ghozali 2007:105 dasar analisis untuk menentukan ada atau tidaknya heteroskedasitas yaitu:
1. jika ada pola tertentu, seperti titik-titik yang membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedasitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedasitas.
37
3.6.1.4 Uji Autokorelasi
Menurut Erlina 2011:105, “uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya”. Uji yang dapat digunakan untuk mendeteksi masalah
autokorelasi adalah dengan uji Durbin Watson, karena uji ini yang umum digunakan. Kriteria untuk menentukan uji ini adalah sebagai
berikut : 1.
Angka D-W dibawah -2 berarti ada autokorelasi positif, 2.
Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3.
Angka D-W diatas +2 berarti ada autokorelasi negatif
3.6.2 Pengujian Hipotesis
