model terbaik dari kedua model tersebut, maka dapat dilakukan melalui Uji Hausman Pratomo, 2007 : 168. Sebagai alat analisis yang digunakan untuk
mengolah data panel tersebut adalah dengan software eviews versi 6.0.
1. Analisis Deskriptif
Untuk memperoleh gambaran secara menyeluruh tentang variabel-variabel yang digunakan dalam penelitian ini baik variabel terikat maupun variabel bebas,
maka dilakukan terlebih dahulu analisis secara statistik deskriptif yang mencakup nilai rata-rata mean, standar deviasi dan nilai ekstrim nilai maksimum dan
minimum.
2. Regresi Linier Berganda
Analisis regresi linier berganda adalah suatu analisis yang digunakan untuk mengetahui suatu pengaruh variabel independen terhadap satu atau
beberapa variabel dependen. Model regresi yang digunakan untuk melihat hubungan antara ROA, ROE, ROI, DER, BVPS terhadap harga saham adalah
sebagai berikut:
Y
it
= β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ ε
it
Dimana: Y
it
= Harga saham β
= Konstanta X1
= Return On Asset X2
= Return On Equity X3
= Return On Investment X4
= Debt to Equity Ratio
Universitas Sumatera Utara
X5 = Book Value Per Share
β
1
, β
2
, β
3
, β
4,
β
5
= Koefisien Regresi ε
it
= Error Term
3. Pemilihan Model Pooled Least Square, Fixed Effect dan Random Effect dengan Hausman Test
Pengujian untuk memilih apakah model akan dianalisis dengan menggunakan metode Random Effect atau Fixed Effect dapat dilakukan dengan
Hausman Test. Hipotesis yang akan digunakan pada uji spesifikasi Hausman adalah sebagai berikut:
Ho : Model Random Effect H1 : Model Fixed Effect unrestricted
Dengan perbandingan terhadap Chi square table, jika Hausman statistics lebih besar dari Chi square table maka cukup bukti untuk menolak hipotesis nol
sehingga model lebih sesuai dalam menjelaskan permodelan data panel tersebut adalah model efek tetap, begitu pula sebaliknya. Di dalam pengolahan
menggunakan software Eviews 6.0, jika P-Value, lebih kecil dari α maka tolak H
O
dan terima H
1.
Selain menggunkan spesifikasi Hausman di atas, pertimbangan memilih model fixed effect dan random effect juga dapat menggunakan pertimbangan
sebagai berikut: 1.
Bila t time series besar dan n cross section kecil, maka hasil fixed effect dan random effect tidak jauh berbeda sehingga dapat dipilih
pendekatan yang lebih mudah dihitung, yaitu fixed effect.
Universitas Sumatera Utara
2. Apabila n besar t kecil, hasil estimasi kedua pendekatan akan berbeda
jauh. Apabila kita meyakini bahwa cross section yang digunakan secara acak maka harus random effect. Sebaliknya, apabila kita yakin
cross section yang dipilih tidak diambil secara acak maka kita harus menggunakan fixed effect.
3. Apabila komponen error individual berkorelasi dengan variabel bebas
maka parameter yang diperoleh dengan random effect akan bias, sementara parameter yang diperoleh dengan fixed effect tidak bias.
4. Apabila n besar dan t kecil dan apabila asumsi yang mendasari
random effect dapat terpenuhi maka random effect lebih efisien dari fixed effect.
Dari pernyataan di atas, maka dapat disimpulkan bahwasanya data ini menggunakan model random effect.
4. Random Effect Model REM
