Metode Penelitian

3.5 Metode Penelitian

Peneliti menggunakan analisis regresi berganda. Analisis regresi ini dapat digunakan untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variabel dependen dan independen secara menyeluruh baik secara simultan atau secara parsial. Sebelum melakukan uji regresi linier berganda, metode ini mensyaratkan untuk melakukan uji asumsi klasik guna mendapatkan hasil terbaik (Ghozali, 2001). Dalam penggunaan regresi berganda, pengujian hipotesis harus menghindari adanya kemungkinan penyimpangan asumsi-asumsi klasik. Tujuan pemenuhan asumsi klasik ini dimaksud agar variabel independen sebagai estimator atas variabel dependen tidak mengalami bias.

3.5.1 Uji Asumsi Klasik

Penelitian ini menggunakan data sekunder. Untuk mendapatkan ketepatan model yang akan dianalisis, perlu dilakukan pengujian atas beberapa persyaratan asumsi klasik yang mendasari model regresi. Ada beberapa langkah untuk menguji model yang akan diteliti, antara lain :

1). Uji Normalitas Untuk mengetahui normalitas populasi suatu data dapat dilakukan dengan menggunakan analisis grafik. Pada analisis regresi ini, metode yang digunakan adalah grafik histogram dan normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal (Ghozali, 2005). Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik dengan melihat histogram dari residualnya (Ghozali, 2005). Dasar untuk mengambil keputusan adalah sbb:

 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi tersebut memenuhi asumsi normalitas.

 Jika data menyebar menjauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tersebut tidak memenuhi asumsi normalitas.

Selain menggunakan uji normalitas, untuk menguji normalitas data dapat juga menggunakan uji statistik Kolmogorov Smirnov (K-S) yang dilakukan dengan membuat hipotesis nol (Ho) untuk data berdistribusi normal dan hipotesis alternatif (Ha) untuk data tidak berdistribusi normal.

2) Uji Multikolinieritas

Menurut Ghozali (2006), uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi, dapat dilihat dari Menurut Ghozali (2006), uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi, dapat dilihat dari

3) Uji Heteroskedastisitas

Menurut Ghozali (2006), pengujian ini bertujuan untuk menguji apakah dalam model regresi ini terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah terjadi homokesdastisitas. Untuk mendeteksi adanya heterokesdastisitas dari tingkat signifikansi dapat digunakan Uji Glejser. Jika tingkat signifikansi berada di atas 5 persen berarti tidak terjadi heterokesdastisitas tetapi jika berada di bawah 5 persen berarti terjadi gejala heterokesdastisitas. Grafik Scatterplot juga dapat digunakan untuk menentukan heterokesdastisitas. Jika titik-titik yang terbentuk menyebar secara acak baik di atas atau di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokesdastisitas pada model yang digunakan.

4) Uji Autokorelasi Uji Autikorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode (t-1) dalam model regresi. Jika terdapat korelasi maka model tersebut mengalami masalah autokorelasi. Model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk mendeteksi autokorelasi dapat dilakukan uji statistik Durbin –

Watson (DW test) (Ghozali, 2005). Durbin Watson test dilakukan dengan membuat hipotesis :

Ho : tidak ada autokorelasi (r = 0)

Ha : ada autokorelasi ( r ≠ 0) Untuk mengambil keputusan ada tidaknya auto korelasi,ada pertimbangan

yang harus dipatuhi, antara lain :

a. Bila nilai DW terletak diantara batas atas (du) dan (4-du), maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.

b. Bila nilai DW lebih rendah daripada batas bawah (dl) maka koefisien autokorelasi >0, berarti ada autokorelasi positif.

c. Bila nilai DW lebih besar dari (4-dl) maka koefisisen autokorelasi <0, berarti terjadi autokorelasi negatif.

d. Bila nilai DW terletak antara (du) dan (dl) atau DW terletak antara (4- du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.

Posisi angka Durbin-Watson dapat diperjelas pada gambar 3.1

No decision Negative autocorelation decision

3.5.2 Analisis Regresi Berganda

Penelitian ini menggunakan model regresi berganda dalam menganalisis data. Model ini digunakan untuk mengetahui seberapa besar pengaruh variabel Penelitian ini menggunakan model regresi berganda dalam menganalisis data. Model ini digunakan untuk mengetahui seberapa besar pengaruh variabel

Y it    1 ROA it   2 NPM it   3 EPS it   4 PER it

: Konstanta

: Return Saham

ROA

: Return on Asset

NPM

: Net Profit Margin

EPS

: Earning Per Share

PER

: Price Earning Ratio

Untuk mengetahui kebaikan model penelitian yang diuji, bisa menggunakan koefisien determinasi (R²). Koefisien determinasi digunakan untuk menguji kemampuan model menjelaskan variabel independen terhadap variabel dependen. Besaran koefisien determinasi adalah antara 0 dan 1. Nilai R² yang menjauhi 1 berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen sangat terbatas, sedangkan nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi untuk memprediksi varian variabel independen. Penggunaan koefisien determinasi memiliki kelemahan yang cukup mendasar yaitu terdapat bias pada jumlah variabel independen yang dimasukkan ke dalam model sehingga banyak peneliti yang menganjurkan untuk menggunakan adjusted R² pada saat mengevaluasi model regresi terbaik.

3.5.3 Uji Hipotesis

Untuk menguji hipotesis, peneliti menggunakan analisis regresi melalui uji statistik t dan uji statistik F. Analisis regresi ini bertujuan untuk mengetahui pengaruh variabel independen terhadap dependen secara parsial atau simultan serta untuk mengetahui persentase dominasi variabel independen terhadap variabel dependen.

1). Uji statistik t Uji statistik t dilakukan untuk mengetahui pengaruh dari masing-masing variabel independen terhadap variabel dependen (Ghozali, 2005). Pengujian ini memiliki beberapa tahap, yaitu:

a. Hipotesis ditentukan dengan formula nol secara statistik, diuji dalam bentuk:  Jika Ho : βι > 0, berarti ada pengaruh yang signifikan antara variabel

dependen dan independen secara parsial.  Jika Ho : βι = 0, berarti tidak ada pengaruh signifikan antara variabel dependen dan independen secara parsial.

b. Menghitung nilai sig t dengan rumus

T Hitung =

se ( 

Dimana

 i = koefisien regresi  i = koefisien regresi

i = standar error dari estimasi βi

c. Derajat keyakinan (level significance / α = 5%)  Apabila besarnya nilai sig t lebih besar dari tingkat alpha yang

digunakan, maka hipotesis yang diajukan, ditolak.  Apabila besarnya nilai sig t lebih kecil dari tingkat alpha yang digunakan, maka hipotesis yang diajukan, diterima.

2). Uji statistik F Uji statistik F digunakan untuk mengetahui pengaruh antara variabel independen secara simultan terhadap variabel dependen (Ghozali, 2005). Uji ini memiliki beberapa tahap, yaitu :

a. Hipotesis ditentukan dengan formula nol secara statistik, diuji dalam bentuk:

 Jika Ho : βι = β2 = ...= 0, berarti tidak ada pengaruh yang signifikan antara variabel dependen dan independen secara simultan.  Jika Ho : βι ≠ β2≠...≠ 0, berarti ada pengaruh signifikan antara variabel dependen dan independen secara simultan.

b. Menghitung nilai sig t dengan rumus :

R 2 /( k  1 )

( 1  R ) /( N  k ) Dimana :

R² : koefisien determinasi K : nilai variabel

N : jumlah observasi

c. Derajat keyakinan ( level significance / α = 5%)  Apabila nilai signifikansi F hitung lebih besar dari nilai F tabel, maka

hipotesis alternatif diterima.  Apabila nilai signifikansi F hitung lebih kecil dar nilai F tabel maka hipotesis alternatif ditolak.