3.6.1 Pengujian Asumsi Klasik
Peneliti menggunakan bantuan program software SPSS 16.0 for windows Statistic Product Service Solution dalam penelitian ini. Pengujian asumsi
klasik dilakukan untuk menghindari atau mengurangi bias atas hasil penelitian yang diperoleh. Adapaun syarat yang harus dipenuhi model regresi berganda
sebelum data tersebut dianalisis adalah sebagai berikut:
1. Uji Normalitas
Salah satu uji persyaratan yang harus dipenuhi yaitu uji normalitas data populasi. Menurut gozali 2005:110 “Tujuan uji normalitas adalah untuk
menguji apakah variabel independen dan variabel dependen berdistribusi normal.” Data yang baik dan layak digunakan dalam penelitian adalah data yg
memiliki distribusi normal. Jika data berdistribusi normal, titik-titik plotnya harus berada pada suatu garis lurus. Sedangkan jika titik-titik tersebut
membentuk seperti huruf S, maka menunjukkan bahwa data menjulur skew Rochaety et.al, 2009:104. Uji ini dilakukan dengan beberapa pendekatan,
antara lain:
a. Pendekatan Kolmogrov-Smirnov
Alat uji ini digunakan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal. Hipotesisnya sebagai berikut:
H = data residual berdistribusi normal
H
a
= data residual tidak berdistribusi normal Dengan menggunakan tingkat signifikan α 5. Jika nilai Asymp.Sig 2
tailed taraf nyata α, maka H diterima artinya data residual
berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 tailed taraf nyata α, maka Ha diterima artinya data residual tidak berdistribusi
normal.
b. Pendekatan Histogram
Untuk menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki cirri-ciri khusus, salah satu diantaranya
adalah mean, modus, dan median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan dikenal dengan nama
“kemiringan kurva” atau “kemencengan kurva” skewness. Kemencengan suatu kurva distribusi data dapat bertanda positif arah kanan dan bertanda
negatif arah kiri.
c. 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 didekati 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, dapat dikatakan bahwa sebaran data
adalah menyebar normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebasindependen Ghozali
2005:91. Multikolinearitas adalah situasi adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat nilai Variance Inflation Factor VIF dan korelasi di antara variabel independen. Jika nilai VIF 10, maka
terjadi multikolinearitas di antara variabel independen. Dasar pengambilan keputusan:
1 VIF 10 Antar variabel independen ROA, DER dan EPS terjadi
korelasimultikolinieritas. 2
VIF 10 Antar variabel independen ROA, DER dan EPS tidak terjadi korelasimultikolinieritas.
3. Uji Autokorelasi
Menurut Gozali 2005:95 “Uji ini bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 periode sebelumnya”. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Gejala
autokorelasi dideteksi dengan menggunakan Durbin-Watson test. Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-
Watson DW dengan ketentuan sebagai berikut: a.
Angka D-W pada output Model Summary di bawah -2 berarti ada autokorelasi positif.
b. Angka D-W pada output Model Summary di antara -2 sampai +2 berarti
tidak ada autokorelasi.
c. Angka D-W pada output Model Summary di atas +2 berarti ada
autokorelasi negatif.
4. Uji Heteroskedastisitas
Menurut gozali 2005:91 “Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi ini terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan lain”. Jika variance dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas. Salah satu uji untuk mengetahui heteroskedastisitas adalah dengan melihat penyebaran dari variance residual pada diagram pencar
scatter plot. Analisis pada gambar scatter plot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
a. Titik-titik data menyebar di atas dan dibawah atau di sekitar angka 0
b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali d.
Penyebaran titik-titik data sebaiknya tidak berpola Uji ini juga dapat dilakukan melalui uji Glejser, yaitu dengan meregres nilai
absolute residual terhadap variabel independen. Apabila signifikansi dari taraf nyata 5, maka dianggap tidak terjadi masalah heteroskedastisitas, dan
begitu sebaliknya.
3.6.2 Metode Analisis Statistik
Penelitian ini menggunakan analisis regresi berganda. Analisis regresi ini dapat digunakan untuk memperoleh gambaran yang menyeluruh
mengenai hubungan antara variabel dependen dan independen secara menyeluruh baik secara simultan atau secara parsial.
Dalam penelitian ini analisis regresi linear berganda digunakan untuk mengetahui pengaruh return on assets, debt to equity, dan earning per share
terhadap harga saham pertambangan yang terdaftar di Bursa Efek Indonesia. Adapun persamaan regresi yang digunakan, yaitu:
Y
i,t
= a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Keterangan: Y
i,t
= Harga saham perusahaan i pada tahun t
a = Konstanta
X
1
= Return on Assets ROA X
2
= Debt to Equity DER X
3
= Earning Per Share EPS b
1
= Koefisien regresi variabel X
1
b
2
= Koefisien regresi variabel X
2
b
3
= Koefisien regresi variabel X
3
3.6.3 Pengujian Hipotesis
Model regresi yang sudah memenuhi asumsi-asumsi klasik tersebut akan digunakan untuk menganalisis, suatu perhitungan statistik disebut
signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis daerah dimana Ho ditolak. Sebaliknya, disebut tidak signifikan bila uji
statistiknya berada dalam daerah dimana Ho diterima. Model pengujian yang dilakukan adalah uji F dan uji t.
1. Uji Signifikansi Simultan Uji-F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama atau serempak mempunyai pengaruh yang signifikan
terhadap variabel terikat. Bentuk pengujiannya adalah:
Ho artinya tidak ada pengaruh yang signifikan secara bersamaan dari return on asset, debt to equity ratio dan earning per share terhadap harga saham.
Ha artinya terdapat pengaruh yang signifikan secara bersamaan dari return on asset, debt to equity ratio dan earning per share terhadap harga saham.
Dengan menggunakan tingkat signifikan α 5, jika nilai sig.F 0,05 maka Ho diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan
dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig.F 0,05 maka Ha 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:
Ho diterima dan Ha ditolak jika F
hitung
F
tabel
untuk α = 5 Ho ditolak dan Ha diterima jika F
hitung
F
tabel
untuk α = 5
2. Uji Signifikansi Parsial Uji-t
Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat.
Dengan menggunakan tingkat signifikan α 5, jika nilai sig.t 0,05 maka Ho diterima, artinya tidak ada pengaruh yang signifikan terhadap variabel
terikat. Sebaliknya, jika nilai sig.t 0,05 maka Ha diterima, artinya ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.
Nilai t
hitung
juga dapat dibandingkan dengan nilai t
tabel
. Kriteria pengambilan keputusannya yaitu:
Ho diterima dan Ha ditolak jika t
hitung
t
tabel
untuk α = 5 Ho ditolak dan Ha diterima jika t
hitung
t
tabel
untuk α = 5 3.
Koefisien Determinasi R
2
Koefisien determinasi adalah koefisien nilai yang menunjukkan besarnya variasi variabel terikat dependent variabel yang dipengaruhi oleh variasi
variabel bebas independent variabel. Pengukuran besarnya persentase kebenaran dari uji regresi tersebut dapat dilihat melalui nilai koefisien
derminasi 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. Untuk memastikan tipe hubungan antar variabel dapat dilihat pada tabel
3.3 berikut ini:
Tabel 3.3 Hubungan Antar Variabel
Nilai Interpretasi
0,0 – 0,19 Sangat Tidak Erat
0,2 – 0,39 Tidak Erat
0,4 – 0,59 Cukup Erat
0,6 – 0,79 Erat
0,8 – 0,99 Sangat Erat
Situmorang 2008:113
BAB IV HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi linier berganda. Analisis
data dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis. Pengujian
asumsi klasik dan pengujian hipotesis dilakukan dengan menggunakan software SPSS versi 16. Prosedur dimulai dengan memasukkan variable-variabel penelitian
ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, didapat 11
perusahaan pertambangan yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2010-2013
Tabel 4.1 Daftar Sampel Penelitian
.
No Kode Emiten
Nama Perusahaan
1 ADRO
PT Adaro Energy Tbk 2
ANTM PT Aneka Tambang Persero Tbk
3 ARTI
PT Ratu Prabu Energy Tbk 4
CITA PT Cita Mineral Investindo Tbk
5 GTBO
PT Garda Tujuh Buana Tbk 6
ITMG PT Indo Tambangraya Megah Tbk
7 KKGI
PT Resource Alam Indonesia Tbk
8 MEDC
PT Medco Energi International Tbk 9
PTBA PT Tambang Batu Bara Bukit Asam Persero Tbk
10 PTRO
PT Petrosea Tbk 11
RUIS PT Radiant Utama Interinsco Tbk
Sumber: Peneliti, 2014
4.2 Analisis Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif
Kategori