1. Pengujian Asumsi Klasik
a. Uji Normalitas
Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Jika data normal digunakan uji parametik dan jika data tidak normal
digunakan non parametik atau treatment agar data normal. Tujuan uji normalitas adalah untuk mengetahui apakah data dalam bentuk distribusi
normal atau tidak. Untuk menguji normalitas data peneliti mengggunakan uji Kolmogorov Smirnov. Apabila probabilitas 0,05, maka distribusi
data normal dan dapat digunakan regresi berganda. Apabila probabilitas 0.05, maka distribusi data dikatakan tidak normal, untuk itu perlu
dilakukan transformasi data atau menambah maupun mengurangi data.
b. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independent. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi multikolienaritas pasa suatu model dapat dilihat yaitu jika nilai variance
inflation factor VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolienaritas.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi atau kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal
ini sering ditemukan pada time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
Tabel 3.4 Kriteria Penilaian Uji Autokorelasi Durbin-Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No Decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4 – dl d 4
Tidak ada korelasi negatif No Decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif atau negatif
Tidak Ditolak
du d 4 – du
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika berbeda
disebut heterokedasitas. Model regresi yang baik adalah yang homokedasitas atau tidak terjadi heterokedasitas.
Untuk mendeteksi ada tidaknya heterokedasitas dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED
dengan residualnya SRESID Ghozali, 2005. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka
telah terjadi heterokedasitas. Sebaliknya jika tidak ada pola yang jelas, serta titik-titik yang menyebar maka tidak terjadi heterokedasitas.
Selain dengan melihat grafik Scatterplot, terjadi atau tidaknya heteroskedastisitas dapat dilihat dari uji statistik. Penelitian ini
menggunakan Uji Glejser untuk mendeteksi terjadinya heteroskedastisitas. Uji Glejser ini mengusulkan untuk meregres nilai
absolut residual terhadap variabel independen. Jika variabel independen signfikan secara statistik terhadap variabel dependen signifikansi
0,05, maka ada indikasi terjadi Heteroskedastisitas. Jika variabel independen tidak signifikan secara statistik terhadap variabel dependen
siginifikansi 0,05 maka tidak terjadi Heteroskedastisitas.
2. Pengujian Hipotesis
Model penelitian ini menggunakan model regresi linier berganda. Model regresi linier berganda adalah model regresi yang memiliki lebih
dari satu variabel independen. Model regresi linier berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data
dan terbebas dari asumsi- asumsi klasik statistik baik multikolinieritas, autokorelasi dan heterokedastisitas Lubis et.al, 2007. Persamaan regresi
linier berganda yaitu: Y = α + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e Ket :
Y = Harga saham
X
1
= Return on Asset X
2
= Return on Equity X
3
= Net Profit Margin X
4
= Debt to Equity Ratio
X
5
= Earning Per Share α
= konstanta b
1
, b
2
= koefisien regresi e
= error
a. Uji signifikansi simultan
Secara simultan, pengujian hipotesis dilakukan dengan uji F-test. Menurut Ghozali 2005, uji statistik F pada dasarnya menunjukkan
apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependenterikat. Uji ini dilakukan dengan membandingkan signifikansi F
hitung
dengan ketentuan: Jika F
hitung
F
tabel
pada α 0.05, maka H
a
ditolak dan Jika F
hitung
F
tabel
pada α 0.05, maka H
a
diterima.
b. Uji signifikansi parsial
Kategori