Hasil Pengujiaan Gambaran Umum Perusahaan Industri Kimia dan Dasar

Tahun 2009 harga saham tertinggi dimiliki oleh perusahaan Sorini Agro Asia coorporindo Tbk SOBI sebesar Rp1205, harga saham yang terendah dimiliki oleh perusahaan SIPD Sierad Produce Tbk yaitu sebesar Rp51. Sedangkan nilai rata- rata tertinggi harga saham dimiliki perusahaan Sorini Agro Asia coorporindo Tbk SOBI yaitu sebesar Rp1417.49. Dan rata –rata harga saham yang terendah dimiliki oleh perusahaan SIPD Sierad Produce Tbk sebesar Rp57.08.

4.3 Hasil Pengujiaan

Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut dapat memenuhi pengujian asumsi klasik yang terdiri dari uji Normalitas, uji Multikolinearitas, autokorelasi dan heterokedastisitas. 1. Uji Normalitas Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. a. Analisis Grafik Data yang baik adalah data yang mempunyai pola seperti distribusi normal yakni tidak menceng ke kiri atau ke kanan. Universitas Sumatera Utara Gambar 4.1 Histogram Dependent Variable Harga Saham Sumber: Hasil olahan SPSS 16.0 for windows Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau ke kanan. Hal ini berarti data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan melalui grafik normal p-p plot of regression stanrdized residual seperti yang disajikan pada Gambar 4.6 sebagai berikut: Universitas Sumatera Utara Gambar 4.3 Hasil Uji Heteroskedastitas Sumber: Hasil Penelitiaan, 2011 Data Diolah Gambar 4.2 menunjukkan bahwa titik-titik pada scatter plot sudah mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik. b. Analisis Statistik Penulis untuk memastikan data di sepanjang garis diagonal berdistribusi normal, maka melakukan statistik non-parametric kolmogorv-Smirnov dengan Universitas Sumatera Utara melihat data residualnya apakah berdistribusi normal atau tidak. Data yang memiliki distribusi normal dapat dilihat pada Tabel 4.6 yang menunjukkan bahwa nilai unstandardized Residual Asymp. Sig. 2-tailed sebesar 0.188 yang nilainya lebih besar d ari taraf nyata α yaitu 0.05 yang artinya data memiliki distribusi normal Tabel 4.6 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 46 Normal Parameters a Mean .0000000 Std. Deviation .80262351 Most Extreme Differences Absolute .066 Positive .050 Negative -.066 Kolmogorov-Smirnov Z .449 Asymp. Sig. 2-tailed .988 a.test distibution is normal Sumber: Hasil Penelitiaan, 2011 Data Diolah 2. Uji Multikolinearitas Penelitian yang mengandung Multikolinearitas akan berpengaruh terhadap hasil penelitian sehingga penelitian tersebut menjadi tidak berfungsi. Cara yang digunakan untuk mendeteksi ada tidaknya Multikolinearitas berdasarkan nilai Tolerence dan VIF. Nilai Tolerence untuk semua variabel independen lebih besar dari 0.10. Rule of thumb yang digunakan untuk untuk menentukan bahwa nilai tolerance tidak berbahaya terhadap gejala Multikolinearitas adalah 0.10. Dari nilai VIF diketahui bahwa VIF semua variabel independen kurang dari 5. Rule of Universitas Sumatera Utara thumb yang digunakan untuk menentukan bahwa nilai VIF tidak berbahaya adalah kurang dari 5. Tabel 4.7 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant LNPER .846 1.182 LNROE .689 1.451 LNNPM .770 1.298 Sumber: Hasil Penelitiaan, 2011 Data Diolah Tabel 4.7 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF PER, ROE, NPM dan Harga Saham masing- masing menunjukkan nilai kurang dari 5 VIF5 dan nilai tolerance yang lebih besar dari 0,10. Nilai VIF yang lebih kecil dari 5 menyatakan bahwa tidak ada masalah multikolinearitas dalam penelitian. 3. Uji Autokorelasi Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Untuk mendiagnosis adanya gangguan autokorelasi dalam model dapat dilakukan dengan menggunakan Durbin Watson DW test .Menurut Situmorang, dkk. 2009:82 kriteria yang menunjukkan tidak terjadi autokorelasi adalah sebagai berikut: Universitas Sumatera Utara Tabel 4.8 Pengambilan Keputusan Durbin Watson Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0DWdl Tidak ada autokorelasi positif No Decision dl ≤ DW ≤ du Tidak ada korelasi negative Tolak 4-dlDW4 Tidak ada korelasi negative No Decision 4-du ≤ DW ≤ 4-dl Tidak ada autokorelasi,positif atau negatif Tidak Ditolak duDW4-du Sumber: Buku Analisis Data untuk Riset Manajemen dan Bisnis. n = jumlah sample = 46 k = jumlah variabel bebas = 3 pada tingakat signifikansi diperoleh du = 1,3912 dan dl = 1,6677 DuDW4-du = 1,39121,5232,3323 memenuhi kriteria Tabel 4.9 Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .479 a .229 .174 .83079 1.523 a. Predictors: Constant, LNNPM, LNPER, LNROE b. Dependent Variable: LNHargaSaham Sumber: Hasil Penelitiaan, 2011 Data Diolah Berdasarkan Tabel 4.9 menunjukkan bahwa tidak ada autokorelasi positif atau negatif berarti hipotesis nol diterima sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi sehingga penelitian layak untuk dilanjutkan Universitas Sumatera Utara 4. Uji Heteroskedastisitas Dalam penelitian ini akan digunakan metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa : 1. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas. 2. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Gambar 4.3 Hasil Uji Heteroskedasitas Sumber: Hasil Penelitiaan, 2011 Data Diolah Universitas Sumatera Utara Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola tertentu. Maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi ini. Uji heteroskedastisitas dapat juga dilakukan melalui uji glejser yang memberikan hasil yang lebih akurat. Tabel 4.10 Uji Glejser Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .889 .309 2.879 .006 LNPER -.076 .070 -.179 -1.081 .286 LNROE -.009 .083 -.019 -.105 .917 LNNPM -.010 .075 -.024 -.139 .890 a. Dependent Variable: ABSUT Sumber: Hasil Penelitiaan, 2011 Data Diolah Berdasarkan Tabel 4.10 Hasil tampilan output SPSS menunjukkan Rasio PER, ROE, NPM secara signifikan mempengaruhi variabel dependen absolute absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

4.4 Analisis Data dan Pengujiaan Hipotesis a. Analisis Data