27
3.8.1 Metode Analisis Deskriptif
Metode analisis statistika deskriptif merupakan suatu metode analisis
dimana data yang dikumpulkan, diklasifikasikan, dianalisis, dan diinterpretasikan secara objektif sehingga memberikan informasi dan gambaran mengenai topik
yang dibahas.
3.8.2 Uji Asumsi Klasik
Penulis menggunakan bantuan program software SPSS Statistical Package for Social Solution dalam penelitian ini. Sebelum melakukan analisis regresi,
dilakukan pengujian asumsi klasik untuk mendapatkan perkiraan yang efisien atau tidak. Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda
sebelum data tersebut dianalisis adalah sebagai berikut:
1. Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini
diperlukan karena untuk melakukan uji t dan uji F diasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak
dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Erlina, 2011:100. Data yang baik adalah data yang mempunyai pola seperti distribusi
normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan Situmorang dan Lufti, 2012:100. Uji dilakukan dengan beberapa
pendekatan, yaitu:
28
a. Pendekatan Histogram
Untuk menguji asumsi klasik data dapat dilihat dengan kurva normal, yaitu kurva yang memiliki ciri khusus, salah satu diantaranya adalah bahwa: mean,
mode, dan median pada tempat yang sama. Jika ketiga tendensi sentral tersebut tidak terletak pada satu tempat, berarti kurva tersebut miring ke kiri atau ke
kanan. Ukuran kemiringan puncak kurva ke kiri atau ke kanan tersebut dikenal dengan nama “kemiringan kurva” atau “kemencengan kurva” skewness.
Kemencengan suatu kurva distribusi data dapat bertanda positif kearah kanan
atau bertanda negatif kearah kiri Situmorang dan Lufti, 2012:101. b.
Pendekatan Grafik
PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya
berbentuk linier dapat didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Bila pola-pola titik yang terletak
selain di ujung-ujung plot masih berbentuk linier, meskipun ujung-ujung plot agak menyimpang dari garis lurus, kita dapat mengatakan bahwa sebaran data
dalam hal ini residual, adalah normal Situmorang Lufti, 2012:103. c.
Pendekatan Kolmogorov-Smirnov
Alat uji ini digunakan untuk memastikan apakah data sepanjang garis diagonal
berdistribusi normal. Hipotesisnya sebagai berikut:
H = data residual berdistribusi normal
H
a
= data residual tidak berdistribusi normal
29
Dengan menggunakan tingkat signifikan α 5. Jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H
diterima artinya data residual berdistribui normal. Sebaliknya, jika nilai A
sym.Sig 2 tailed taraf nyata α, maka H diterima, artinya data residual tidak berdistribusi normal.
2. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independen. Ada dua uji multikolinearitas yang
sering digunakan yaitu sebagai berikut Erlina, 2011:103:
1. VIF Variance Inflating Factor VIF adalah suatu estimasi berapa besar multikolinearitas meningkatkan varian
pada suatu koefisien estimasi sebuah variabel independenpenjelas. VIF yang tinggi menunjukkan bahwa multikolinearitas telah menaikkan sedikit varian
pada koefisien estimasi, akibatnya menurunkan tingkat t. Semakin tinggi nilai VIF suatu variable tertentu, maka akan semakin tinggi varian koefisien
estimasi pada variabel tersebut dengan asumsi varian error term adalah konstan. Dengan demikian, semakin tinggi VIF, semakin berat dampak pada
multikolinearitas. Pada umumnya jika nilai VIF lebih besar dari 10, maka terjadi multikolineritas yang cukup berat diantara variabel independen.
2. Korelasi diantara Variabel Independen Disamping VIF, cara lain yang dapat digunakan untuk mendeteksi adanya
gejala multikolinearitas suatu model adalah dengan melihat koefisien korelasi sederhana antara variabel-variabel independenpenjelas. Apabila r adalah tinggi
30
nilai absolutnya, maka ada dua variabel penjelas tertentu berkorelasi dan masalah multikolinearitas ada dalam persamaan tersebut. Koefisien korelasi
yang tinggi ini menunjukkan terjadi gejala multikolinearitas yang berat. Korelasi antar dua variabel penjelas dikatakan memiliki hubungan yang tinggi,
beberapa peneliti secara arbiter menentukan 0,8. Dengan demikian, suatu model terdapat gejala multikolinearitas, jika korelasi diantara variabel
independen lebih besar dari 0,8.
3. Uji Heteroskedastisitas
Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat homokedastisitas atau bersifat konstan. Umumnya heterokedastisitas
sering terjadi pada model yang menggunakan data cross section silang waktu
daripada time series runtut waktu. Hal ini bukan berarti model yang
menggunakan data runtut waktu bebas dari heterokedasitas.
Pengujian gejala heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika berbeda disebut
heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2011:105.
4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
31
pengganggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya.
Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari observasi ke observasi lainnya Situmorang dan Lufti, 2012:120. Uji autokorelasi
ini menggunakan Durbin-Watson DW Test.
Tabel 3.3 Kriteria Pengambilan Keputusan
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl d du
Tidak ada autokorelasi negative Tolak
4-dl d 4 Tidak ada autokorelasi negative
No decision 4-du d 4-dl
Tidak ada autokorelasi positif atau negatif
Terima
du d 4-du
Sumber:
Situmorang dan Lutfi 2012 : 126
3.8.3 Metode Analisis Regresi Linear Berganda
Penelitian ini menggunakan analisis statistika yaitu analisis regresi linear berganda, digunakan untuk mengetahui pengaruh profitabilitas, leverage, suku
bunga, dan nilai tukar terhadap harga saham perusahaan properti dan real estate di
Bursa Efek Indonesia. Adapun persamaan regresi yang digunakan adalah:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ ɛ
Keterangan: Y
= Harga saham perusahaan i pada tahun t a
= Konstanta X
1
= Return on Equity ROE X
2
= Debt to Equity Ratio ROE X
3
= Suku Bunga X
4
= Nilai Tukar
32
b
1
= Koefisien regresi variabel X
1
b
2
= Koefisienregresi variabel X
2
b
3
= Koefisien regresi variabel X
3
b
4
= Koefisien regresi variabel X
4
ɛ = Standard error
3.8.4 Pengujian Hipotesis
Model regresi yang sudah memenuhi asumsi-asumsi klasik tersebut akan digunakan untuk menganalisis. Suatu perhitungan statistik disebut signifikan
secara statistik apablia nilai uji statistiknya berada dalam daerah kritis daerah dimana H
ditolak. Sebaliknya, disebut tidak signifikan bila uji statistiknya berada dalam daerah dimana H
diterima. Model pengujian yang dilakukan adalah uji F dan uji t.
1. Uji Signifikansi Serempak Uji F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara serempak mempunyai pengaruh yang signifikan terhadap variabel terikat. Bentuk
pengujiannya adalah: 1. H
: b
1
= b
2
= b
3
= b
4
= 0, artinya return on equity, debt to equity ratio, suku bunga, dan nilai tukar secara serempak berpengaruh tidak signifikan terhadap
harga saham perusahaan properti dan real estate di Bursa Efek Indonesia. 2. Ha : minimal satu b
i
≠ 0, artinya return on equity, debt to equity ratio, suku bunga, dan nilai tukar secara serempak berpengaruh signifikan terhadap harga
saham perusahaan properti dan real estate di Bursa Efek Indonesia.
33
Dengan menggunakan tingkatan α 5, jika nilai sig.F 0,05 maka H diterima,
artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig.F 0,05 maka H
a
diterima, artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas
terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai F
hitung
dan nilai F
tabel
. Dimana kriterianya, yaitu: 1. H
diterima jika Fhitung ≤ Ftabel pada α = 5
2. H
a
diterima jika Fhitung Ftabel pada α = 5
2. Uji Signifikansi Parsial uji t
Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yangsignifikan terhadap variabel terikat:
1. H : b
i
= 0, artinya secara parsial return on equity, debt to equity ratio, suku bunga, dan nilai tukar berpengaruh tidak signifikan terhadap harga saham
perusahaan properti dan real estate di Bursa Efek Indonesia. 2. H
a
: b
i
≠ 0, artinya secara parsial return on equity, debt to equity ratio, suku bunga, dan nilai tukar berpengaruh signifikan terhadap harga saham
perusahaan properti dan real estate di Bursa Efek Indonesia. Dengan menggunakan tingkat signifikan α 5, jika nilai sig. t 0,05 H
diterima, artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya, jika sig.t 0,05 H
a
diterima, artinya ada pengaruh yang signfikan antara variabel bebas terhadap variabel terikat. Nilai t
hitung
juga dapat dibandingkan dengan nilai t
tabel
. Kriteria pengambilan keputusannya, yaitu: 1. H
diterima jika t
tabel
≤ t
hitung
≤ t
tabel
pada α = 5
34
2. Ha diterima jika t
hitung
t
tabel
atau t
hitung
≤ t
tabel
pada α = 5
3. Koefisien Determinasi R
2
Koefisien determinasi adalah koefisien nilai yang menunjukkan besarnya variasi variabel terikat dependent variable yang dipengaruhi oleh variasi
variabel bebas independent variable. Pengukuran besarnya persentase kebenaran dari uji regresi tersebut dapat dilihat melalui nilai koefisien determinasi multiple
R
2
koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan oleh variabel bebas. Apabila nilai R
2
suatu regresi mendekati satu, maka semakin baik regresi tersebut dan semakin mendekati nol, maka variabel
independen secara keseluruhan tidak bisa menjelaskan variabel dependen. Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktor-
faktor yang ditimbulkan oleh variabel-variabel bebas terhadap variabel terikat.
35
BAB IV HASIL DAN PEMBAHASAN
4.1 Gambaran Umum Perusahaan
4.1.1 Gambaran Umum Bursa Efek Indonesia
Bursa Efek Indonesia atau Indonesia Stock Exchange IDX merupakan
pasar untuk berbagai instrumen keuangan jangka panjang yang bisa diperjual belikan, baik dalam bentuk utang ataupun modal sendiri. Instrumen-instrumen
keuangan yang diperjual belikan di BEI seperti saham, obligasi, waran, right, obligasi konvertibel, dan berbagai produk turunan deviratif seperti opsi put atau
call.
Bursa Efek Indonesia disingkat BEI, atau Indonesia Stock Exchange IDX merupakan bursa hasil penggabungan dari Bursa Efek Jakarta BEJ dengan Bursa
Efek Surabaya BES. Demi efektivitas operasional dan transaksi, Pemerintah memutuskan untuk menggabung Bursa Efek Jakarta sebagai pasar saham dengan
Bursa Efek Surabaya sebagai pasar obligasi dan derifative.
Bursa hasil penggabungan ini mulai beroperasi pada Desember 2007. Perusahaan hasil penggabungan usaha ini memulai operasinya pada 1 Desember
2007. BEI menggunakan sistem perdagangan bernama Jakata Automated Trading
System JATS sejak 22 Mei 1995, menggantikan sistem manual yang digunakan sebelumnya. Sejak 2 Maret 2009 sistem JATS ini sendiri telah digantikan dengan
sistem baru bernama JATS-NextIG yang disediakan OMX. Tahun 2011 sekitar
437 perusahaan yang tercatat sebelumnya.
36
4.1.2 Gambaran Umum Perusahaan Properti dan Real Estate di Indonesia
Kategori