4.7.1. Pengujian Asumsi Klasik
Uji asumsi klasik dilakukan untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang
harus dipenuhi antara lain dengan uji normalitas, multikolonieritas, heteroskedastisitas dan autokorelasi. Pengujian yang dilakukan atas dasar penelitian
secara keseluruhan pada variabel independen yang terdiri dari ROA, ROE, PER dan variabel dependen Harga Saham, adapun jenis pengujian sebagai berikut :
4.7.1.1. Uji normalitas data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Alat uji normalitas yang biasa
digunakan adalah alat analisis dengan grafik dan analisis statistik, analisis grafik digunakan dua model, yaitu model diagram batang atau histogram dan yang kedua
adalah diagram diagonal, sementara analisis statistik yang digunakan biasanya adalah Kolmogorov-Smirnov Ghozali, 2005. Data yang normal menurut analisis dengan
menggunakan histogram dimana gambar grafik histogram masih berada pada garis lengkung dan tidak terjadi kecondongan grafik ke kiri atau ke kanan, dengan
pengertian bahwa garis lengkung itu masih berada pada sisi yang sama dari titik nol, yang apabila dipotong secara vertikal kurva normal pada titik nol, maka kedua
belahan itu akan menjadi pencerminan satu sama lain. Sedangkan data yang normal menurut analisis statistik dengan Kolmogorov-Smirnov adalah nilai signifikansi dari
hasil uji harus lebih besar dari nilai signifikan yang telah ditentukan, dimana nilai
Universitas Sumatera Utara
signifikan yang ditentukan adalah α 0,05. Pengujian Normalitas Data yang digunakan
dalam penelitian ini adalah menggunakan Grafik Histogram dan Uji Kolmogorov- Smirnov. Menurut Erlina dan Mulyani 2007, jika pada suatu penelitian terdapat
data yang tidak berdistribusi normal, ada beberapa cara mengubahnya menjadi normal yaitu: melakukan transformasi data ke bentuk lainnya; melakukan trimming
yaitu membuang data outlier; melakukan winsorizing yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
4.7.1.2. Uji multikolinieritas Multikolinieritas adalah suatu kondisi di mana terjadi hubungan yang
sempurnakuat antar variabel independen. Uji multikolinieritas terjadi karena jumlah variabel independen lebih dari satu multivibrate dan dikhawatirkan ada hubungan
yang kuat diantaranya. Adanya hubungan yang kuat diantara variabel-variabel independen menyebabkan informasi yang dihasilkan menjadi sangat mirip dan sulit
memisahkan pengaruh dari variable independen secara individual sehingga menimbulkan bias dalam spesifikasi. Uji multikolinieritas ini bertujuan untuk
menguji apakah dalam model regresi ditemukan adanya korelasi antar variable bebas Ghozali,2005. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel bebas. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi dapat ditentukan dari nilai adjusted R
2
, Korelasi antar variabel independen yang cukup tinggi, Nilai Tolerance dan variance inflation factor VIF. Pengujian
multikolinieritas pada penelitian ini dilakukan dengan Uji Collinearity Statistic.
Universitas Sumatera Utara
Dalam melakukan uji multikolinieritas harus diketahui terlebih dahulu VIF dan nilai Tolerance. Pedoman pengambilan keputusan adalah jika nilai VIF 10 dan Nilai
Tolerance 0.1 artinya terdapat persoalan multikolinieritas diantara variabel bebas, dan jika nilai VIF 10 dan Nilai Tolerance 0.1 maka tidak terdapat persoalan
multikolinieritas diantara variable bebas Lubis et.al, 2007. 4.7.1.3. Uji autokorelasi
Uji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan
pengganggu periode sebelumnya Ghozali, 2005. Autokorelasi merupakan korelasi antar data dalam runtun waktu times series atau space data cross section. Model
regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson D-W. Uji autokorelasi dapat dilakukan
dengan pengujian Durbin-Watson DW. Menurut Setiaji 2004, pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
1. Jika nilai D-W berada di bawah 0 sampai 1,5 berarti ada autokorelasi positif.
2. Jika nilai D-W berada diatas 1,5 sampai 2,5 berarti tidak terjadi autokorelasi.
3. Jika nilai D-W berada di atas 2,5 berarti ada autokorelasi negatif.
4.7.1.4. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan variasi dari data pengamatan yang satu ke pengamatan
yang lain. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas
Universitas Sumatera Utara
yaitu melihat Grafik Plot, Uji Park, Uji Glejser dan Uji White. Dalam penelitian ini digunakan satu cara untuk mendeteksi heteroskedastisitas dengan melihat pola
sebaran pada grafik scatter plot. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi
heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedasitas
Ghozali,2005. 4.7.2. Pengujian Hipotesis
Untuk menguji hipotesis yang diajukan maka dilakukan pengujian terhadap variabel-variabel penelitian baik secara simultan maupun parsial. Menurut Ghozali
2005 uji hipotesis dapat dilakukan dengan tiga cara yaitu; uji F, uji t dan koefisien determinasi R
2
.
4.7.2.1. Uji statistik F Uji statistik F pada dasarnya menunjukkan apakah semua variabel
independen yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel dependen Kuncoro, 2003. Lebih lanjut menyebutkan uji ini
dapat dilakukan dengan membandingkan nilai F
signifikansi
dengan nilai F
alpha
, jika variabel independen secara simultan dan signifikan mempengaruhi variabel
dependen. Jika F
hitung
F
tabel
angka signifikansi penelitian Nilai F
hitung
0.05 maka ROA, ROE dan PER perusahaan manufaktur berpengaruh secara simultan dan
signifikan terhadap harga saham. Akan tetapi jika F
hitung
≤ F
tabel
dan angka signifikansi
Universitas Sumatera Utara
penelitian Nilai F
hitung
0.05 maka ROA, ROE dan PER perusahaan manufaktur tidak berpengaruh secara simultan dan signifikan terhadap harga saham.
4.7.2.2. Uji statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel terikat.
Apabila nilai t
hitung
lebih besar daripada nilai t
tabel
dapat disimpulkan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen Kuncoro,
2003. Hipotesis statistik t untuk variabel ROA adalah jika t
hitung
t
tabel
dan angka signifikansi penelitian Nilai t
hitung
0.05 artinya variabel ROA perusahaan manufaktur berpengaruh secara parsial dan signifikan terhadap harga saham.
Sebalikanya jika t
hitung
≤ t
tabel
dan angka signifikansi penelitian Nilai t
hitung
0.05 artinya ROA perusahaan manufaktur tidak berpengaruh secara parsial dan signifikan
terhadap harga saham. Hipotesis statistik t untuk variabel ROE adalah jika t
hitung
t
tabel
dan jika angka signifikansi penelitian Nilai t
hitung
0.05 artinya variabel ROE perusahaan manufaktur berpengaruh secara parsial dan signifikan terhadap harga saham.
Sebaliknya jika t
hitung
≤ t
tabel
dan angka signifikansi penelitian Nilai t
hitung
0.05 maka variabel ROE perusahaan manufaktur tidak berpengaruh secara parsial dan
signifikan terhadap harga saham.
Universitas Sumatera Utara
Hipotesis statistik t untuk variabel PER adalah jika t
hitung
t
tabel
dan angka signifikansi penelitian Nilai t
hitung
0.05 artinya variabel PER perusahaan manufaktur berpengaruh secara parsial dan signifikan terhadap harga saham.
Sebaliknya jika t
hitung
≤ t
tabel
dan angka signifikansi penelitian Nilai t
hitung
0.05 maka variabel PER perusahaan manufaktur tidak berpengaruh secara parsial dan
signifikan terhadap harga saham. 4.7.2.3. Koefisien determinasi R
2
Koefisien determinasi R
2
atau adjusted R
2
bertujuan untuk mengukur kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi berkisar antara 0 sd 1 0 ≤R
2
≤1. Hal ini berarti jika R
2
= 0 menunjukkan tidak ada pengaruh variabel independen terhadap variabel dependen, bila R
2
semakin besar mendekati 1 ini menunjukkan semakin kuatnya pengaruh variabel independen
terhadap variabel dependen. Kuncoro, 2003. Kelemahan mendasar penggunaan koefisien determinasi R
2
adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model, banyak
peneliti menganjurkan untuk menggunakan Adjusted R
2
karena nilanya dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model Kuncoro,
2003. Oleh sebab itu dalam penelitan ini digunakan Adjusted R
2
.
Universitas Sumatera Utara
BAB V HASIL PENELITIAN DAN PEMBAHASAN