Koefisien Determinasi Uji Asumsi Klasik

™ Koefisien regresi untuk Price Earning Ratio sebesar -0,001; artinya bahwa setiap perubahan satu satuan pada rasio keuangan Price Earning Ratio, maka return saham akan mengalami penurunan sebesar 0,001. Dalam hal ini faktor lain yang mempengaruhi return saham dianggap tetap. 2 b ™ Koefisien regresi untuk Debt To Equity Ratio sebesar -0,002; artinya bahwa setiap perubahan satu satuan pada rasio keuangan Debt To Equity Ratio, maka return saham akan mengalami penurunan sebesar 0,002. Dalam hal ini faktor lain yang mempengaruhi return saham dianggap tetap. , 3 b

3. Koefisien Determinasi

2 R Untuk mengetahui besar persentase variasi variabel terikat yang dapat dijelaskan oleh variasi variabel bebas, maka dicari nilai 2 R . Dari Tabel 10 Halaman 85 diperoleh nilai 2 R sebesar 0,263. Koefisien ini menunjukkan bahwa 26,3 variasi return saham dapat dijelaskan oleh variabel Earning Per Share EPS, Price Earning Ratio PER, dan Debt to Equity Ratio DER. Sedangkan sisanya sebesar 73,7 dijelaskan oleh variabel lain yang tidak diungkap dalam penelitian ini. Selain dicari nilai 2 R seperti di atas, perlu juga diketahui koefisien parsialnya untuk mengetahui sumbangan masing-masing variabel bebas terhadap variabel terikat. Dengan mengkuadratkan koefisien korelasi parsial, maka koefisien determinasi parsial variabel , EPS, PER, dan DER dapat diketahui. Dari Tabel 10 Halaman 85 diperoleh 2 r untuk EPS sebesar 21,44; 2 r untuk PER sebesar 8,12; dan 2 r untuk DER sebesar 1,68.

4. Uji Asumsi Klasik

Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator liniear yang baik. Berkaitan dengan uji asumsi klasik dalam penelitian ini, model analisis yang digunakan akan menghasilkan estimator yang tidak biasa apabila memenuhi beberapa asumsi klasik, sebagai berikut : 1 Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi dilihat dari hubungan antar variabel bebas yang ditunjukkan oleh angka tolerance dan variance inflation factor VIF. Apabila angka tolerance 0,10 dan VIF10, maka menunjukkan adanya multikolinieritas dalam model regresi Ghozali, 2002:91-92. Tabel 11 Tabel Collinearity Statistics Keterangan Tolerance VIF PER 0.786 1.273 ROE 0.873 1.145 DER 0.775 1.290 Dari Tabel 11 di atas diperoleh angka tolerance untuk masing- masing variabel, yaitu : EPS sebesar 0,786; PER sebesar 0,873; dan DER sebesar 0,775. Angka-angka tersebut berada di atas 0,10; maka pada penelitian ini tidak terjadi multikolinieritas. Selain angka tolerance, angka pada VIF juga berada di bawah 10 yang menunjukkan tidak terjadi multikolinieritas. Masing-masing variabel ditunjukkan dengan angka 1,273 untuk variabel EPS; 1,145 untuk variabel PER; dan 1,290 untuk variabel DER. 2 Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2002:95. Untuk mendeteksi ada atau tidaknya autokorelasi dalam suatu model regresi dilakukan pengujian dengan menggunakan Uji Durbin-Watson Uji D w . Pengambilan keputusan ada atau tidaknya autokorelasi berdasarkan Tabel Autokorelasi, seperti yang telah diutarakan pada Bab III. Adapun Tabel tersebut adalah sebagai berikut : Tabel 1 Tabel Autokorelasi D w Kesimpulan Kurang dari 1,48 Ada autokorelasi 1,48 sampai 1,69 Tanpa Kesimpulan 1,69 sampai 2,31 Tidak ada autokorelasi 2,31 sampai 2,52 Tanpa Kesimpulan Lebih dari 2,52 Ada autokorelasi Sumber: Algifari, 2000:89 Dari Tabel 10 Halaman 85 didapat nilai Uji D w = 1,888 1,69 dan 2,31, yang berada di daerah tidak ada autokorelasi, sehingga dapat disimpulkan bahwa pada persamaan regresi tersebut tidak terdapat autokorelasi. 3 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dengan cara melihat grafik Scatterplot. Gambar 7 Grafik Heterokedastisitas 4 2 -2 -4 Regression Studentized Residual 1 -1 -2 -3 -4 -5 -6 Re gre s s ion S ta nda rd iz e d P re d ic te d Va lu e Dependent Variable: RETURN Scatterplot Berdasarkan Gambar 7 di atas, maka dapat diasumsikan bahwa tidak terjadi heteroskedastisitas. Hal ini berdasarkan gambar grafik di mana titik-titik yang ada dalam grafik tersebut tidak membentuk pola tertentu yang jelas dan titik-titik tersebut tersebar diatas dan dibawah angka 0 pada sumbu Y.

5. Uji Hipotesis