Evaluasi Model Statistik ANALISIS DAN PEMBAHASAN

lxvi

B. Evaluasi Model Statistik

Penggunaan model analisis yang digunakan peneliti dalam menguji hipotesis adalah dengan regresi berganda. Peneliti melakukan uji F dan Uji t pada tiap variabel dependent harga Saham dengan variabel independen ROA, ROE, BEP, EPS. Untuk melihat keabsahan persamaan regresi yang dibuat, pembuatan regresi dilandasi oleh asumsi-asumsi yang tidak boleh dilanggar. Pada Tabel 4.6 terlihat bahwa terjadi masalah multikolinieritas pada variabel Return on Assets ROA dan Return on Equity ROE. Hal ini ditunjukkan oleh nilai VIF kedua variabel tersebut adalah lebih besar dari 5 VIF 5. Tabel 4.6 Masalah Multikolineritas Model Collinearity Statistics Tolerance VIF 1 Constant ROA .012 85.551 ROE .013 79.470 BEP .473 2.114 EPS .816 1.226 a Dependent Variable: Harga saham Sumber : Hasil olahan SPSS Menurut Gozali 2005:95 salah satu cara yang dapat dilakukan untuk mengatasi masalah multikolinieritas adalah dengan mengeluarkan satu atau beberapa variabel bebas yang mempunyai korelasi yang tinggi dari model. Oleh sebab itu, penulis mengeluarkan variabel ROE dari model regresi karena mempunyai korelasi yang tinggi. lxvii Setelah dilakukan kembali uji multikolinieritas, maka diperoleh hasil sebagai berikut : Tabel 4.7 Bebas Masalah Multikolineritas Model Collinearity Statistics Tolerance VIF 1 Constant LN ROA .543 1.841 LN BEP .684 1.462 LN EPS .541 1.848 a Dependent Variable: LN Harga Saham Sumber : Hasil olahan SPSS Dari Tabel 4.7 dapat dilihat bahwa semua variabel bebas tidak terkena masalah multikolinieritas. Hal ini dapat dilihat dari nilai Variance Inflation Factor VIF masing-masing variabel bebas yakni ROA, BEP dan EPS adalah lebih kecil dari 5 VIF 5. Tabel 4.8 Masalah Autokorelasi Model Summary b .666 a .444 .402 1.43996 1.556 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, LN EPS, LN BEP, LN ROA a. Dependent Variable: LN Harga Saham b. Sumber : Hasil olahan SPSS Pada Tabel 4.8 yang menyajikan tabel “model summary” nilai Durbin Watson DW adalah sebesar 1,556. Nilai Durbin Watson DW harus dibandingkan dengan tabel Durbin Watson DW, untuk = 5 dan k = 3 banyaknya variabel bebas, n = 44 maka nilai batas bawah d L pada tabel adalah 1,38 dan batas atas d U sebesar 1,66. Dengan demikian nilai DW berada diantara lxviii dl dan du d L ≤ DW ≤ d U . Artinya, residual mempunyai masalah autokorelasi positif tetapi lemah, bila diperbaiki akan lebih baik. Masalah autokorelasi menyebabkan munculnya outlier yaitu sebanyak satu buah outlier. Menurut Nachrowi 2006, outlier adalah nilai yang terpisah dari kumpulan observasi, yang dapat bernilai sangat besar atau sangat kecil. Mengingat pendugaan koefisien regresi, seperti koefisien determinasi atau uji hipotesis, sangat banyak memanfaatkan nilai rata-rata, maka nilai ekstrim akan mempunyai pengaruh terhadap ketepatan model. Oleh karena itulah dalam regresi outlier harus diperhatikan dengan cermat, jika ingin persamaan regresi yang dibuat akurat. Deteksi outlier dapat dilakukan dengan membuat plot antara residual dan nilai prediksi atau standar. Ketika model diolah, ternyata didapat sebuah outlier, yaitu tampak pada observasi sebagai berikut: Tabel 4.9 Casewise Diagnostics a -3.393 2.70805 -5.5920 -410.89 Case Number 28 Std. Residual LN Harga Saham Predicted Value Residual Dependent Variable: LN Harga Saham a. Sumber : Hasil olahan SPSS Munculnya outlier pada observasi tentunya akan mengganggu estimasi koefisien regresi yang dapat berakibat tidak tepatnya model yang dibuat. Oleh karena itu, observasi ini tidak disertakan dalam model yang akan dibentuk, sehingga model akan diestimasi berdasarkan 43 observasi. lxix Setelah observasi No.28 dikeluarkan dan dilakukan pengolahan data, ternyata dari persamaan yang didapat tidak lagi ditemui outlier. Nilai Durbin Watson DW bertambah menjadi 1,683 Tabel 4.10 Bebas Masalah Autokorelasi Model Summary b .716 a .513 .476 1.4869 1.683 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, LN EPS, LN BEP, LN ROA a. Dependent Variable: LN Harga Saham b. Sumber : Hasil olahan SPSS Berdasarkan Tabel Durbin Watson DW nilai tersebut terletak diantara du dan 4-du 1,66 1,683 2,34 sehingga dapat disimpulkan residual tidak lagi mengandung serial korelasi tidak terjadi masalah autokorelasi.

C. Analisis Kelayakan Model