menunjukkan setiapvariabel independen manakah yang dijelaskan oleh variabel independen lainnya. Untuk mendeteksi ada atau tidak adanya multikolinieritas
dapat dilakukan dengan melihat toleransi variabel danVIF dengan membandingkan sebagai berikut:
a. VIF 10 maka diduga mempunyai persoalan multikolinearitas.
b. VIF 10 maka tidak terdapat multikolinieritas.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul
karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Situmorang dan Lufti, 2014:120.
Metode yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi salah satunya adalah dengan menggunakan uji Durbin Watson,
dengan kriteria pengambilan keputusan jika nilai Durbin Watson 1 dan 3 maka data tidak mengarah adanya autokorelasi. Field dalam Gio 2015:56 menyatakan
bahwa Nilai statistik dari uji Durbin Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.
3.9 Teknik Analisis Data
Teknik analisis data dalam sebuah penelitian ini adalah teknik pendekatan kuantitatif yang digunakan model matematika dan statistika yang diklasifikasikan
dalam kategori tertentu untuk mempermudah menganalisis dengan menggunakan
Universitas Sumatera Utara
Eviews 7.0. Sedangkan teknik analisis yang digunakan adalah teknik analisis regresi linier berganda digunakan untuk mengukur pengaruh faktor eksternal dan
internal seperti pengaruh return on equity, debt to equity ratio, price earning ratio, dan earning per share terhadap harga saham perusahaan otomotif.
3.9.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi masing-masing variabel yang dilihat dari nilai rata-rata mean, standar deviasi, varian,
maksimum, minimum, sum, range, kurtois, dan skewness Ghozali, 2013:19. Standar deviasi, varian, maksimum, dan minimum menunjukkan hasil analisis
terhadap dispersi variabel. Sedangkan skewness dan kurtois menunjukkan bagaimana terdistribusi. Varian dan standar deviasi menunjukkan penyimpangan
variabel terhadap nilai rata-rata. Menurut Sugiyono 2012:29 statistik deskriptif adalah statistik yang
berfungsi untuk mendiskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebgaimana adanya, tanpa melakukan
analisis dan membuat kesimpulan yang berlaku untuk umum.
3.9.2 Analisis Regresi Linier Berganda Data Panel
Regresi linier berganda yaitu suatu model linier regresi yang variabel indpendennya merupakan fungsi linier dari beberapa variabel bebas. Analsis
regresi berganda digunakan untuk mengetahui kearukatan hubungan antara harga sahamvariabel dependen dengan return on equity, return on assets, debt to
equity ratio, price to book value, price earning ratio, dan earning per share sebagai variabel yang mempengaruhi variabel independen. Menurut Basuki dan
Universitas Sumatera Utara
Prawoto 2016:275 data panel adalah gabungan antara data runtut waktu time series dan data silang cross section.
Menurut Basuki dan Prawoto 2016:275 penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama,
data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan
degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah penghilangan variabel
omitted-variable. Model Regresi Data Panel dapat disusun sebagai berikut:
Y
it
= α + b
1
X
1it
+ b
2
X
2it
+ b
3
X
3it
++ b
4
X
4it+
b
5
X
5it
+ b
6
X
6it
+ e Keterangan:
Y
it
= Harga saham
α =
Konstanta b
1
= Koefisien regresi variabel X
1
b
2
= Koefisien regresi variabel X
2
b
3
= Koefisien regesi variabel X
3
b
4
= Koefisien regresi variabel X
4
b
5
= Koefisien regresi variabel X
5
b
6
= Koefisien regresi variabel X
6
X
1
= Return on Equity
X
2
= Return on Assets
X
3
= Debt to Equity Ratio
X
4
= Price to Book Value
X
5
= Price Earning Ratio
X
6
= Earning Per Share
e =
Term of error
Universitas Sumatera Utara
t = Waktu
i = Perusahaan
Menurut Basuki dan Prawoto 2016:276 dalam metode estimasi model
regresi dengan menggunakan data panel dapat dilakukan melalui 3 tiga pendekatan, antara lain:
1. Common Effect Model
Merupakan pendekatan model data panel yang paling sederhana karena hanya mengombinasikan data time series dan cross section. Pada model ini tidak
diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa
menggunakan pendekatan Ordinary Least Square OLS atau teknik kuadarat terkecil untuk mengestimasi model data panel.
2. Fixed Effect Model
Model ini mengasumsikan bahwa perbedaaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengsestimasi data panel
model Fixed Effect menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena
perbedaan budaya kerja, manajerial, dan insentif. Namun demikian, slopnya sama antar perusahaan. Model estimasi ini sering juga disebut teknik Least
Squares Dummy Variable LSDV. 3.
Random Effect Model Model ini akan mengestimasi data panel di mana variabel gangguan mungkin
saling berhubungan antar waktu dan antar individu. Pada model Random
Universitas Sumatera Utara
Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunakan model Random Effect yakni
menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model ECM atau teknik Generalized Least Square GLS.
3.9.3. Pemilihan Model Data Panel
Model mana yang akan dipilih dari 3 pendekatan model yang ada maka perlu dilakukan analisis terlebih dahulu agar diperoleh pendekatan model yang
paling sesuai terhadap hasil penelitian ini. Pengujian statistik yang digunakan dalam data panel yaitu:
1. Uji Chow Chow test
Uji Chow merupakan pengujian statistik yang digunakan untuk memilih apakah lebih baik menggunakan model kuadrat terkecil Pooled Least Square
Common Effect Model atau model efek tetap Fixed Effect. Uji Chow digunakan untuk mengetahui apakah teknik regresi data panel dengan model efek tetap
Fixed Effect lebih baik dari teknik regresi data panel tanpa variabel dummy dengan melihat residual sum of squares RSS. Dalam pengujian ini dilakukan
dengan hipotesis berikut : H
: Model Kuadrat Terkecil Ha: Model Efek Tetap
Dasar penolakan terhadap hipotesis nol adalah dengan menggunakan F statistik atau Uji Chow yang dirumuskan dalam bentuk persamaan berikut ini:
F =
Universitas Sumatera Utara
Dimana: RSS
1
= residual sum square hasil pendugaan model Efek Tetap RSS
2
= residual sum square hasil pendugaan model PLS N
= jumlah data cross section T
= jumlah data time series K
= jumlah variabel bebas Jika nilai chow statistics F-stat hasil pengujian lebih besar dari F-tabel,
maka cukup bukti untuk melakukan penolakan terhadap H sehingga model yang
digunakan adalah Model Efek Tetap dan sebaliknya. 2.
Uji Hausman Uji Hausman adalah pengujian statistik sebagai dasar pertimbangan dalam
memilih apakah menggunakan model efek tetap Fixed Effect atau menggunakan model efek random Random Effect
. Jika nilai probabilitas lebih kecil dari nilai α = 5 maka H
ditolak dan model yang dipilih adalah Fixed Effect dan sebaliknya.
3.10 Pengujian Hipotesis
