Pengujian Asumsi Klasik Metode Analisis Data

market ratio X3 Momentum X4 Indikator yang digunakan dengan melihat selisih nilai penutupan pada periode yang ditentukan terhadap nilai penutupan pada periode sebelumnya yang ditentukan. CP – CN Return Saham Y return keseluruhan dari suatu investasi dalam suatu periode yang tertentu. P t − P t−1 P t−1

3.6. Metode Analisis Data

3.6.1. Pengujian Asumsi Klasik

Metode analisis data yang digunakan dalam penelitian ini dalah metode analisis statistik dengan menggunakan persamaan regresi sederhana.Analisis data dilakukan dengan bantuan SPSS versi 17.0.Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum Universitas Sumatera Utara melakukan pengujian hipotesis yaitu Uji Normalitas, Uji Multikolonearitas, Uji Heterokeditas, dan Uji Autokolerasi.

3.6.1.1. Uji Normalitas Data

Menurut Erlina 2007:103 “ Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distibusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.Untuk melakukan uji, penulis mendasarkan pada uji grafik dan uji statistik. a. Uji Grafik Salah satu cara termudah untuk melihat normalitas residu adalah dengan melihat grafik histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikain dengan melihat histrogram hal ini dapat menyebabkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normaprobability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan Universitas Sumatera Utara data ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Pada sumbu diagoanal atau grafik atau dengan melihat histrogram residulanya. Dasar pengambilan keputusan: • Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histrogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. • Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histrogramnya tidak menunjukan pola distibusi normal, maka model regresi tidak memenuhi asumsi normalitas. b. Uji Statistik Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati- hati secara visual kelihatan normal, pada hal secra statistik bisa sebaliknya.Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik.Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik nonparametik.Kolomogrov-Smirnov. Jika nilai Asymp.sig nilai signifikansi 0,05 maka data berdistribusi normal. Universitas Sumatera Utara

3.6.1.2. Uji Multikolonearitas

Uji ini betujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen karena akan mengurangi keyakinan dalam pengujian signifikan. Untuk mendeteksi ada atau tidaknya gejala multikolonearitas didalam model regresi ini dengan melihat nilai Variance Inflation Factor VIF , nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonearitas adalah nilai VIF 10. Apabila nilai VIF 10 berarti tidak terjadi multikolonearitas Ghozhali, 2005:92 .

3.6.1.3. Uji Heteroskedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan yang lain. Jika variance dari residual satu pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah terjadi heterokedastisitas. Uji heterokedastisitas dalam penelitian ini dengan cara melihat grafik plot. Universitas Sumatera Utara Dasar analisis heteroskedasitas adalah sebagai berikut: • Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka terjadi heteroskedastisitas. • Jika tidak ada pola yang jelas atau titik-titk menyebar diatas dan dibawah angka nol pola sumbu Y, maka tidak terjadi.

3.6.1.4 Uji Autokolerasi

Uji Autokolerasi bertujuan menguji apakah suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Pengambilan keputusan ada tidaknya autokorelasi menurut Santoso 2002:218 dengan cara melihat besaran Durbin-Waston D-W sebagai berikut: • Angka D-W dibawah -2, berarti ada autokorelasi positif. • Angka D-W diantara -2 sampai +2 berati tidak ada autokorelasi. • Angka D-W diatas +2, berarti ada autokorelasi negatif.

3.6.2. PengujianAnalisis Koefisien Korelasi dan koefisien