pengembalian saham sebesar -1,43. Pada tahun 2007 Return Saham tertinggi dimiliki oleh perusahaan HMSP sebesar 28,72 artinya besarnya tingkat pengembalian
saham sebesar 28,72 dan nilai terendah dimiliki oleh UNVR sebesar -5,65 artinya besarnya tingkat pengembalian saham sebesar –5,65.
Pada tahun 2008 Return Saham tertinggi dimiliki oleh perusahaan GJTL sebesar 26,10 artinya besarnya tingkat pengembalian saham sebesar 26,10 dan nilai
terendah dimiliki oleh INTP sebesar -52,34 artinya besarnya tingkat pengembalian saham sebesar -52,34. Pada tahun 2009 Return Saham tertinggi dimiliki oleh
perusahaan HMSP sebesar 27,44 artinya besarnya tingkat pengembalian saham sebesar 27,445 dan nilai terendah dimiliki oleh SMGR sebesar -4,83 artinya
besarnya tingkat pengembalian saham sebesar -4,83. Nilai rata-rata Return Saham tertinggi dimiliki oleh perusahaan HMSP sebesar
13,19 artinya besarnya tingkat pengembalian saham sebesar 13,19 dan nilai terendah dimiliki oleh SMGR sebesar 12,47 artinya besarnya tingkat pengembalian
saham sebesar 12,47.
B. Pengujian Asumsi Klasik
Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut dapat memenuhi pengujian asumsi klasik yang terdiri dari uji
Normalitas, uji Multikolinearitas, autokorelasi dan heterokedastisitas. 1. Uji Normalitas
Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.
Universitas Sumatera Utara
a. Analisis Grafik Data yang baik adalah data yang mempunyai pola seperti distribusi normal
yakni tidak menceng ke kiri atau ke kanan.
Gambar 4.1 Histogram Dependent Variable Return Saham Sumber: Hasil olahan SPSS 17.0 for windows
Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau ke kanan. Hal ini berarti data residual mempunyai
distribusi normal. Uji normalitas dapat juga dilakukan melalui grafik normal p-p plot of regression stanrdized residual seperti yang disajikan pada Gambar 4.6 sebagai
berikut:
Universitas Sumatera Utara
Gambar 4.2 p-p lot of regression standardized residual dependent variable Return Saham Sumber: Hasil olahan SPSS 17.0 for windows
Gambar 4.2 menunjukkan bahwa titik-titik pada scatter plot sudah mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual
mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan
analisis grafik. b. Analisis Statistik
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan statistik non-parametric kolmogorv-Smirnov dengan melihat
data residualnya apakah berdistribusi normal atau tidak. Data yang memiliki distribusi normal dapat dilihat pada Tabel 4.6 yang menunjukkan bahwa nilai unstandardized
Residual Asymp. Sig. 2-tailed sebesar 0.188 yang nilainya lebih besar dari taraf nyata α yaitu 0.05 yang artinya data memiliki distribusi normal.
Tabel 4.6 Uji Normalitas
One-sample Kolmogrov Smirnov Test
Unstandardized Residual
Universitas Sumatera Utara
Sumber: Hasil olahan SPSS 17.0 for windows
2. Uji Multikolinearitas Penelitian yang mengandung Multikolinearitas akan berpengaruh terhadap
hasil penelitian sehingga penelitian tersebut menjadi tidak berfungsi. Cara yang digunakan untuk mendeteksi ada tidaknya Multikolinearitas berdasarkan nilai
Tolerence dan VIF. Nilai Tolerence untuk semua variabel independen lebih besar dari 0.10. Rule of thumb yang digunakan untuk untuk menentukan bahwa nilai tolerance
tidak berbahaya terhadap gejala Multikolinearitas adalah 0.10. Dari nilai VIF diketahui bahwa VIF semua variabel independen kurang dari 10. Rule of thumb yang
digunakan untuk menentukan bahwa nilai VIF tidak berbahaya adalah kurang dari 10.
Tabel 4.7 Uji Multikolinearitas
N 52
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.23181582
Most Extreme Differences Absolute
.151 Positive
.137 Negative
-.151 Kolmogorov-Smirnov Z
1.087 Asymp. Sig. 2-tailed
.188 a. Test distribution is Normal.
b. Calculated from data.
Model Collinearity Statistics
Tolerance VIF
1 Constant
ln_EPS .710
1.409 ln_PER
.464 2.154
ln_PBV .481
2.079
Universitas Sumatera Utara
Sumber: Hasil Olahan SPSS 17.0 for windows
Tabel 4.7 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF EPS, PER, PBV, DPR dan Return Saham masing-
masing menunjukkan nilai kurang dari 5 VIF5 dan nilai tolerance yang lebih besar dari 0,10. Nilai VIF yang lebih kecil dari 5 menyatakan bahwa tidak ada masalah
multikolinearitas dalam penelitian. 3. Uji Autokorelasi
Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk menguji
apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Untuk mendiagnosis adanya gangguan
autokorelasi dalam model dapat dilakukan dengan melakukan pengujian dengan The Run Test.
Tabel 4.8 Uji Autokorelasi
ln_DPR .731
1.369 a. Dependent Variable: ln_Return_Saham
Unstandardized Residual Test Value
a
-.09822
Universitas Sumatera Utara
Sumber: Hasil Olahan SPSS 17.0 for windows
Berdasarkan Tabel 4.8 menunjukkan bahwa nilai test adalah -0.09822 dengan probabilitas 0.263 pada taraf signifikansi 0,05 yang berarti hipotesis nol diterima
sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi antar residual. 4. Uji Heteroskedastisitas
Dalam penelitian ini akan digunakan metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa :
1. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk suatu
pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
2. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada
sumbu Y, maka tidak terjadi heteroskedastisitas.
Cases Test Value 26
Cases = Test Value 26
Total Cases 52
Number of Runs 23
Z -1.120
Asymp. Sig. 2-tailed .263
a. Median
Universitas Sumatera Utara
Gambar 4.3 : Scatterplot Dependent Variable Return Saham Sumber : Hasil Olahan SPSS 17.0 for windows
Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola tertentu. Maka
dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi ini. Uji heteroskedastisitas dapat juga dilakukan melalui uji glejser yang
memberikan hasil yang lebih akurat.
Tabel 4.9 Uji Glejser
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .516
.953 .542
.590 ln_EPS
.176 .109
.256 1.608
.115 ln_PER
.031 .232
.026 .135
.894 ln_PBV
.185 .189
.189 .981
.332 ln_DPR
-.252 .145
-.272 -1.738
.089
Universitas Sumatera Utara
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .516
.953 .542
.590 ln_EPS
.176 .109
.256 1.608
.115 ln_PER
.031 .232
.026 .135
.894 ln_PBV
.185 .189
.189 .981
.332 ln_DPR
-.252 .145
-.272 -1.738
.089 a. Dependent Variable: abs
Sumber: Hasil Olahan SPSS 17.0 for windows
Berdasarkan Tabel 4.9 Hasil tampilan output SPSS menunjukkan Rasio EPS, PER, PBV, DPR secara signifikan mempengaruhi variabel dependen absolute absUt.
Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
5. Koefisien Determinasi
Nilai koefisien determinasi R
2
dimana 0 R
2
1, nilai R yang semakin mendekati 1 satu berarti semakin kuatnya pengaruh variabel bebas terhadap variabel
terikat sedangkan apabila nilai R
2
semakin mendekati angka 0 nol maka dapat diartikan semakin kecil pengaruh variabel bebas independen terhadap variabel
terikat dependen dalam model penelitian yang digunakan.
Tabel 4.10 Koefisien Determinasi
Model R
R Square Adjusted R
Square Std. Error of the Estimate
1 .452
a
.204 .137
1.28316 a. Predictors: Constant, ln_DPR, ln_EPS, ln_PBV, ln_PER
Universitas Sumatera Utara
Sumber: Hasil Olahan SPSS 17.0 for windows
Pada Tabel 4.10 menunjukkan nilai Adjusted R Square dalam penelitian ini
adalah 0,137 yang berarti 13,7 variabel Return Saham dijelaskan oleh variabel independent EPS, PER, PBV, DPR, sedangkan 86,3 dipengaruhi oleh adanya
faktor-faktor lain yang sulit diprediksi seperti: bencana alam, keadaan politik, keamanan dan lain sebagainya yang juga mempengaruhi Return Saham Indeks LQ45
di Bursa Efek Indonesia.
C. Regresi Linear Berganda Tabel 4.11