3.9 Teknik Analisis
Dalam menganalisis besarnya pengaruh variabel – variabel bebas terhadap variabel terikat digunakan model ekonometrika dengan meregresikan variabel –
variabel yang ada dengan menggunakan metode Ordinary Least Square OLS. Fungsi yang digunakan dalam penelitian ini adalah:
Y = f X
1,
X
2,
X
3,
X
4
...............................................................................1 Kemudian fungsi tersebut ditransformasikan kedalam model persamaan
regresi linear berganda multiple reggression sebagai berikut: Y =
α + β
1
X
1
+ β
2
X
2
+µ .....................................................2 dimana:
Y :
Harga Saham
α : Intercept
β
1,
β
2
: Koefisien regresi X
1
:
Kebijakan Deviden
X
2 :
Return on Equity ROE
µ : Terms error
Secara sistematis bentuk hipotesanya adalah sebagai berikut: , artinya jika kenaikan pada X
1
kebijakan deviden, maka Yharga saham mengalami penurunan, ceteris paribus.
, artinya jika kenaikan pada X
2
ROE, maka Yharga saham mengalami penurunan, ceteris paribus.
3.9.1 Uji Penyimpangan Asumsi Klasik
1. Uji Normalitas
Menurut Erlina 2008:102, tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau
Universitas Sumatera Utara
residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji T dan uji F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal
Ghozali, 2005:110. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi
dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas. Alat analisis yang digunakan dalam uji ini adalah uji Kolmogorov
– Smimov satu arah atau analisis grafis. Asumsi dalam OLS adalah nilai rata-rata dari faktor pengganggu µ
i
adalah nol. Untuk menguji apakah normal atau tidaknya faktor pengganggu, maka perlu dilakukan uji
normalitas dengan menggunakan Jarque–Berra Test J-B test. Kriterianya:
a. Apabila nilai x
2
tabel 0,05 nilai Jarque–Berra normality test statistic,
maka µ
i
berdistribusi normal. b.
Apabila angka probability 0,05, maka data berdistribusi normal
.
Universitas Sumatera Utara
2. Multikolinieritas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel independen. Menurut Umar
2003:132 multikolinearitas adalah ada tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif tinggi pada
variabel-variabel bebasnya. Menurut Ghozali 2005:91, untuk mendeteksi ada tidaknya
multikolinearitas di dalam model regresi adalah sebagai berikut: a
Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel –
variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen.
b Menganalisis matrik korelasi variabel – variabel
independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini
merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti
bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih
variabel independen. c
Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya yaitu variance inflation factor VIF. Kedua
ukuran ini menunjukan setiap variabel independen yang
Universitas Sumatera Utara
dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi
variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang
rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cut off yang umum dipakai untuk
menunjukan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3. Autokorelasi
Pengujian Autokorelasi
menurut Ghozali 2005:95 bertujuan untuk menguji apakah dalam model regresi linear ada korelasi
penganggu antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1. Autokorelasi menunjukkan
adanya korelasi di antara data pengamatan yang tersusun baik seperti data cross sectional danatau time series. Autokorelasi menunjukkan
adanya kesalahan penganggu residual tidak bebas dari satu pengamatan ke pengamatan lain. Jika terjadi autokorelasi dalam model
regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari
autokorelasi.
Universitas Sumatera Utara
Autokorelasi terjadi bila error term µ dari waktu yang berbeda berkorelasi. Model regresi linier klasik mengasumsikan bahwa faktor
pengganggu yang berhubungan dengan observasi tidak dipengaruhi oleh faktor pengganggu pada pengamatan lainnya.
Eu
i
u
j
= 0 i ≠j
Ada beberapa cara untuk mengetahui keberadaan autokorelasi yaitu: a.
Dengan menggunakan atau memplot grafik b.
Dengan uji Durbin-Watson D-W Test Uji D-W dirumuskan sebagai berikut:
D hitung ∑ –
∑ Dengan hipotesis sebagai berikut:
H =
ρ = 0 tidak ada autokorelasi H
a
= ρ ≠ 0 ada autokorelasi
Untuk menguji masalah autokorelasi ini, kita harus menentukan besarnya nilai kritis dari d
u
dan d
1
. Berdasarkan jumlah dari variabel independen, jika hipotesis nol menyatakan bahwa tidak terjadi
autokorelasi, maka: 1.
Jika DW dt, maka H ditolak, berarti suatu persamaan regresi
mengalami autokorelasi. 2.
Jika d
u
DW 4 – d
u
, maka H diterima, berarti suatu persamaan
regresi tidak mengalami autokorelasi. 3.
Jika d
1
≤ DW ≤ d
u
atau 4 – d
u
≤ DW ≤ 4 – d
1
, berarti pengujian tidak dapat disimpulkan.
Universitas Sumatera Utara
4. Uji Heterokedastisitas
Menurut Imam Ghozali 2005:105, uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat
ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap,
maka disebut homoskedositas atau tidak terjadi heteroskedastisitas. Dan jika varians berbeda maka disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedasitas Ghozali, 2006.
Heterokedastisitas adalah suatu penyimpangan dalam asumsi OLS dimana varian gangguan dari estimasi yang dihasilkan estimasi OLS
tidak bernilai konstan. Akibat dari heterokedastisitas ini dapat mengakibatkan kesalahan dalam penaksiran sehingga koefisien regresi
atau parameternya menjadi tidak efisien dan dapat menyesatkan peneliti dalam menyimpulkan hasil estimasi. Untuk mengetahui ada
tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan secara statistik
mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas Ghozali, 2005:69.
Penggunaan keempat uji asumsi klasik dalam metode OLS merupakan uji untuk menghasilkan estimator linier tidak bias yang
terbaik Best Linier Unbias EstimatorBLUE . Dan kondisi ini terpenuhi apabila mampu memenuhi keempat uji di atas.
Universitas Sumatera Utara
3.9.2 Uji Kesesuaian Test of Goodness of Fit