B. Evaluasi Model Statistik
Penggunaan model analisis digunakan peneliti dalam menguji hipotesis adalah regresi berganda. Penaliti melakukan uji F dan Uji t pada tiap variabel
dependent Nilai Pasar Saham dengan variabel independen DER, ROA, ROE, BV, EPS. Untuk melihat keabsahan persamaan regresi yang dibuat dilandasi oleh
asumsi – asumsi yang tidak boleh dilanggar. Pada Tabel 4.7 terlihat bahwa terjadi masalah normalitas. Hal ini
ditunjukkan oleh nilai Asymp.Sig. 2-tailed adalah 0,000 lebih kecil dari taraf nyata
α = 0,05.
Tabel 4.7 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 110
Mean .0000000
Normal Parameters
a
Std. Deviation 4.32085706
Absolute .259
Positive .259
Most Extreme Differences Negative
-.176 Kolmogorov-Smirnov Z
2.716 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber : Hasil Penelitian, 2010 data diolah
Salah satu cara yang dapat dilakukan untuk mengatasi masalah normalitas adalah dengan mentransformasi data dalam bentuk logaritma.
Universitas Sumatera Utara
Hasil penelitian dengan mentrasformasi data dalam bentuk logaritma adalah sebagai berikut :
Tabel 4.8 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 41
Mean .0000000
Normal Parameters
a
Std. Deviation .77086374
Absolute .123
Positive .076
Most Extreme Differences Negative
-.123 Kolmogorov-Smirnov Z
.789 Asymp. Sig. 2-tailed
.562 a. Test distribution is Normal.
Sumber : Hasil Penelitian, 2010 data diolah
Dari Tabel 4.8 dapat dilihat bahwa Asymp. Sig. 2-tailed adalah 0,562 lebih besar dari taraf nyata
α = 0,05. Hal ini menunjukkan bahwa tidak adanya masalah normalitas pada data.
Pada Tabel 4.9 terlihat bahwa terjadi masalah multikolinieritas pada variabel Debt to Equity Ratio DER, Return on Assets ROA dan Return on
Equity ROE. Hal ini ditunjukkan oleh nilai VIF kedua variabel tersebut adalah
lebih besar dari 5 VIF 5.
Universitas Sumatera Utara
Tabel 4.9 Hasil Pengujian Multikolinieritas
Coefficients
a
Collinearity Statistics Model
Tolerance VIF
Constant
LnDER .144
6.955 LnROA
.037 26.875
LnROE .067
15.023 LnBV
.863 1.159
1
LnEPS .750
1.334 a. Dependent Variable: LnNilaiSaham
Sumber : Hasil Penelitian, 2010 data diolah
Menurut Ghozali 2005 : 95 salah satu cara yang dapat dilakukan untuk mengatasi masalah multikolinieritas adalah dengan mengeluarkan satu atau
beberapa variabel bebas yang mempunyai yang memiliki korelasi yang paling tinggi, namun dari hasil pengolahan data terlihat hasil data dengan mengeluarkan
DER dan ROA lebih baik dibandingkan dengan mengeluarkan 1 satu variabel ROA.
Universitas Sumatera Utara
Hasil penelitian dengan mengeluarkan variabel DER dan ROA dari penelitian adalah sebagai berikut :
Tabel 4.10 Hasil Pengujian Multikolinieritas
Coefficients
a
Collinearity Statistics Model
Tolerance VIF
Constant LnROE
.735 1.360
LnBV .814
1.229 1
LnEPS .809
1.236 a. Dependent Variable:LnNilaiSaham
Sumber : Hasil Penelitian, 2010 data diolah
Dari Tabel 4.10 dapat dilihat bahwa semua variabel bebas tidak terkena masalah multikolinieritas. Hal ini dapat dilihat dari nilai Variance Inflation Factor
VIF masing – masing variabel bebas yakni ROE, BV, EPS adalah lebih kecil
dari 5 VIF 5.
Tabel 4.11 Hasil Pengujian Heteroskedastisitas
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
.965 .386
2.499 .017
LnDER .222
.080 .429
2.769 .009
LnROE .103
.084 .187
1.219 .231
LnBV -.335
.115 -.429
-2.927 .006
1
LnEPS .041
.057 .113
.722 .475
a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2010 data diolah
Universitas Sumatera Utara
Pada Tabel 4.11 dapat dilihat bahwa semua variable bebas DER dan BV menunjukkan nilai signifikansi yang lebih kecil dari tingkat signifikansi
α sig0,05. Dengan demikian dapat disimpulkan apabila hanya satu variabel
ROA yang dikeluarkan maka data terkena heteroskedastisitas. Pada Tabel 4.12 ditunjukkan hasil pengujian heteroskedastisitas jika
mengeluarkan 2 variabel ROA,DER
Tabel 4.12 Hasil Pengujian Heteroskedastisitas
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
.956 .380
2.515 .016
LnROE -.090
.086 -.186
-1.046 .302
LnBV -.035
.103 -.058
-.344 .733
1
LnEPS .008
.061 .021
.126 .900
a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2010 data diolah
Pada Tabel 4.12 dapat dilihat bahwa semua variabel bebas tidak signifikan terhadap variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari masing-
masing variabel bebas lebih besar dari tingkat signifikansi α sig 0,05. Dengan
demikian dapat disimpulkan bahwa data bebas dari heteroskedastisitas.
Universitas Sumatera Utara
C. Interpretasi Hasil Regresi
Kategori