3.6.2.2.Pengujian Individu atau Parsial Uji t
Untuk mengetahui bahwa variabel independen SBI, Rating, Likuiditas dan Maturitas secara parsial mempunyai pengaruh yang signifikan terhadap
variabel dependen YTM. Formulasi hipotesis:
1 Variabel SBI mempunyai pengaruh terhadap YTM.
� :
�
1
= 0SBI tidak terdapat pengaruh terhadap YTM. �
�
: �
1
≠ 0SBI terdapat pengaruh terhadap YTM. 2
Variabel Rating mempunyai pengaruh terhadap YTM. �
: �
2
= 0Rating tidak terdapat pengaruh terhadap YTM. �
�
: �
2
≠ 0Rating terdapat pengaruh terhadap harga YTM. 3
Variabel Likuiditas mempunyai pengaruh terhadap YTM. �
: �
3
= 0Likuiditas tidak terdapat pengaruh terhadap YTM. �
�
: �
3
≠ 0Likuiditas terdapat pengaruh terhadap YTM. 4
Variabel Maturitas mempunyai pengaruh terhadap YTM. �
: �
4
= 0Maturitas tidak terdapat pengaruh terhadap YTM. �
�
: �
4
≠ 0Maturitas terdapat pengaruh terhadap YTM. Dasar pengambilan keputusan:
1. Jika thitung t tabel
pada α 0.05,maka �
�
ditolak dan �
diterima, 2.
Jika t hitung t tabel pada α 0.05, maka �
�
diterima dan �
ditolak.
3.6.2.3.Uji Koefisien Determinasi
�
�
Koefisien Determinasi �
2
mengukur seberapa jauh kemampuan model menerangkan variasi variabel independen Ghozali, 2005: 83. Nilai koefisien
determinasi dapat dilihat pada R Square. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 dan1.
3.6.3. Tempat dan Jadwal Penelitian
Penelitian ini dilakukan pada lembaga keuangan yang terdaftar di Bursa Efek Indonesia.Jadwal Penelitian dimulai dari bulan Mei 2015 sampai dengan
selesai.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Regresi Linier Berganda
Regresi linier berganda adalah metode analisis yang digunakan untuk mengetahui hubungan dari beberapa variabel bebas dan variabel terikat serta
mengetahui besar pengaruhnya. Selain itu regresi dapat pula digunakan untuk memprediksi nilai dari variabel terikat berdasarkan model yang sudah terbentuk.
4.1.1. Pengujian Asumsi Klasik Tahap 1
Pengujian asumsi klasik digunakan sebagai syarat agar model regresi layak untuk digunakan. Asumsi yang digunakan antara lain normalitas,
multikolinieritas, heterokedastisitas, dan autokorelasi.
4.1.1.1.Uji Asumsi Normalitas Residual
Uji normalitas bertujuan untuk menguji apakah residual dalam model path mengikuti sebaran normal atau tidak. Model path yang baik
adalah model dimana residualnya mengikuti distribusi normal. Metode yang digunakan dalam menguji normalitas adalah dengan uji Kolmogorov-
Smirnov. Residual model dikatakan mengikuti distribusi normal apabila nilai signifikansi uji lebih besar dari alpha yang digunakan. Hasil pengujian
disajikan berikut ini.
Tabel 4.1. Hasil Pengujian Normalitas Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 272
Normal Parameters
a
Mean .0000000
Std. Deviation 1.44631388
Most Extreme Differences
Absolute .096
Positive .096
Negative -.043
Kolmogorov-Smirnov Z 1.578
Asymp. Sig. 2-tailed .014
a. Test distribution is Normal.
Asumsi normalitas menggunakan uji Kolmogorov-Smirnov yang ditunjukkan pada tabel di atas. Asumsi ini terpenuhi jika nilai signifikansi
Kolmogorov-Smirnov residual model lebih besar dari alpha 5. Dari hasil pengujian diperoleh nilai signifikansi Kolmogorov-Smirnov sebesar 0,014.
Karena nilai Kolmogorov-Smirnov lebih kecil dari alpha 5 0,050 maka dapat dikatakan bahwa asumsi normalitas belum tepenuhi.
Selain menggunakan metode Kolmogorov-Smirnov, pengujian asumsi normalitas dapat pula dilakukan dengan menggunakan gambar histogram dan
normal p-p plot.
