variabel dependen yang dipengaruhi oleh perubahan dari variabel independen Earnings Per Share dan Dividend Per Share.
2. Variabel Independen Menurut Indriantoro dan Supomo 2002:63 “variabel bebas
Independen adalah tipe variabel yang menjelaskan atau mempengaruhi variabel lain”. Variabel independen yang digunakan dalam penelitian ini
adalah Earnings Per Share dan Deviden Per Share. a. Earnings Per Share
Earnings Per Share merupakan kemampuan perusahaan untuk menghasilkan keuntungan per lembar saham pemilik. Laba yang
digunakan adalah laba bagi pemilik, yaitu Earnings After Tax EAT. b. Dividend Per Share
Dividend Per Share merupakan kemampuan perusahaan dalam menghasilkan kepastian dari modal yang ditanamkan, yaitu berupa
dividen. Dividen merupakan distribusi laba kepada pemegang saham dalam bentuk aktiva atau saham perusahaan penerbit.
3.6. Metode Analisis Data
Metode penelitian analisis dalam penelitian ini dilakukan dengan menganalisis data dengan menggunakan metode analisis statistik dan
menggunakan software SPSS 17.0. pengujian statistik dalam penelitian ini terdiri dari pengujian asumsi klasik dan pengujian hipotesis.
3.6.1. Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik.
Uji asumsi klasik yang dilakukan adalah uji normalitas, uji multikolinieritas, uji heterosdastisitas dan uji autokorelasi.
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis dara. Jika data normal, maka digunakan statistik parametrik,
dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data
normal. Normalitas dapat dideteksi dengan melihat penyebaran data
titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah :
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi
normalitas. b.
Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan data
berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Dalam penelitian ini penelitia menggunakan uji Kolmogorov- Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan
membuat hipotesis : H
: data residual berdistribusi normal H
a
: data residual tidak berdistribusi normal. Bila signifikasi 0,05 dengan α = 5, berarti distribusi data
normal dan H0 diterima, sebaliknya bila nilai signifikansi 0,05 berarti distribusi data tidak normal dan Ha diterima. Data yang tidak
terdistribusi secara tidak normal dapat ditransformasikan agas menjadi normal. Jika data tidak normal ada beberapa cara mengubah model
regresi menjadi normal menurut Jogiyanto 2003, 172, yaitu : a.
Dengan melakukan tranformasi data ke bentuk lain, yaitu Logaritma Natural, akar kuadrat, Logaritma lo
b. Lakukan trimming, yaitu mengubah observasi yang bersifat
outliner. c.
Lakukan winsorizing, yaitu mengubah nilai-nilai data outliner menjadi nilai-nilai minimum atau maksimum yang diizinkan
supaya distribusinya menjadi normal.
2. Uji Multikolinearitas
Menurut Ghozali 2005 “uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
independen”. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya
korelasi variabel-variabel independen antara yang satu dengan yang
lainnya. Jika terjadi korelasi sempurna diantara sesama variabe bebas, maka konsekuensinya adalah :
a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir
b. Nilai standar error setiap koefisien regresi menjadi tak
terhingga. Ada tidaknya multikolinearitas dapat dideteksi dengan melihat
nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matrik korelasi variabel-variabel independen. Nilai cut off
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak
kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolonearitas.
3. Uji Heteroskedastisitas
Uji heterodastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dangan pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Menurut Nugroho
2005,62 cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar scatterplot model tersebut.
Analisis pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika :
a. Titik-titik data menyebar di atas, dibawah atau disekitar angka
nol.
b. Titik-titik data tidak mengumpul hanya di atas atau dibawah
saja. c.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali. d.
Penyebaran titik data sebaiknya tidak berpola. 4.
Uji autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model
regresi linier terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi auto korelasi, maka terdapat
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya.
Hal ini sering ditemukan pada data time series. Pada data cross section, masalah autokorelasi relatif tidak
terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan uji Durbin-Watson DW. Kriteria
untuk penilaian terjadinya autokorelasi yaitu : a.
Nilai D-W lebih kecil dari -2 berarti ada korelasi positif. b.
Nilai D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. c.
Nilai D-W lebih besar dari +2 berarti ada autokorelasi. 3.6.2. Pengujian Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linier berganda. Analisis ini digunakan untuk mengetahui apakah semua variabel independen
mempunyai pengaruh terhadap variabel dependen. Model regresi untuk menguji hipotesisi dalam penelitian ini menggunakan uji-F simultan dan uji-
t parsial. 1.
Uji Signifikansi Simultan Uji-F Pengujian F-test digunakan untuk menunjukkan apakah semua variabel
independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Data dianalisis
dengan model regresi berganda, yaitu : Y=a + b
1
X
1
+ b
2
X
2
+e Keterangan :
Y = harga saham.
a = konstanta.
b1, b2 = koefisien regresi.
X
1
= Earnings Per Share. X
2
= Dividend Per Share. e
= error kesalahan pengganggu. Hipotesis yang akan diuji adalah sebagai berikut :
H = Tidak semua variabel independen berpengaruh secara
simultan terhadap variabel dependen. H
a
= Semua variabel independen berpengaruh secara simultan terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi F-hitung dengan F-tabel dengan ketentuan sebagai berikut :
a. Jika F-hitung F-tabel, maka H
diterima dan H
a
ditolak untuk α = 5.
b. Jika F-hitung F-tabel, maka H
ditolak dan H
a
diterima untuk α = 5.
2. Uji Signifikansi Parsial Uji-t
Pengujian t-test digunakan untuk menunjukkan seberapa jauh engaruh satu variabel independen terhadap variabel dependen.
Hipotesis yang akan diuji adalah sebagai berikut : H
= Tidak semua variabel independen berpengaruh secara parsial terhadap variabel dependen.
H
a
= Semua variabel independen berpengaruh secara parsial terhadap variabel dependen.
3.7. Jadwal Penelitian
