4.7. Model dan Teknik Analisis Data
Model analisis data yang digunakan untuk menguji hipotesis dalam penelitian ini adalah dengan analisis regresi berganda multiple regression analysis.
Analisis ini digunakan untuk mengetahui besarnya pengaruh indpenden terhadap variabel dependen yang akan diteliti. Teknik analisis data menggunakan alat bantu
software SPSS Statistical Package Social Science. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis.
4.7.1. Perumusan Model
Untuk menentukan besarnya pengaruh antara variabel independen yaitu LDR, DER, CAR dan NPL terhadap market value saham.Model regresi linier berganda
yang digunakan adalah sebagai berikut:
Y =
α + βX
1
+ βX
2
+ βX
3
+ βX
4
+ ε
Dimana:
Y = Market Value saham
α = Konstanta
β = koefisien regresi
X
1
= LDR X
2
= DER X
3
= CAR X
4
= NPL
Universitas Sumatera Utara
e = Error variabel pengganggu
4.7.2. Pengujian Asumsi Klasik
Pengujian model regresi berganda dalam menguji hipotesis harus menghindari kemungkinan adanya penyimpangan asumsi klasik. Sebuah model
regresi yang menggunakan data time series dan cross section harus melakukan uji asumsi klasik, yaitu uji normalitas, uji multikolinieritas, uji autokorelasi, dan uji
heteroskedastisitas. 4.7.2.1. Uji normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel terikat dan variabel bebas memiliki distribusi normal atau tidak. Model
regressi yang baik adalah memiliki distribusi data normal atau mendekati normal. Menurut Ghozali 2005:112, ada dua cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak yaitu dengan melihat grafik normal Probability plot dan uji statistik dengan uji Kolmogorov Smirnov.
Menurut Erlina 2008 jika model regresi tidak berdistribusi normal, ada beberapa cara mengubah model regresi menjadi normal yaitu:
a. Melakukan transformasi data ke bentuk lainnya
b. Melakukan trimming yaitu membuang data outlier
c. Melakukan winsorizing yaitu mengubah data yang outlier ke suatu nilai
tertentu.
Universitas Sumatera Utara
Apabila dalam penelitian ini, model regresi tidak berdistribusi normal maka peneliti akan mengubah model regresi tersebut menjadi normal dengan
melakukantransformasi data ke bentuk Logaritma natural Ln. Setelah melakukan transformasi data ke bentuk logaritma natural maka normalitas data dilihat kembali
dengan menggunakan metode grafik normalitas plot dan grafik histogram.
4.7.2.2. Uji multikolinieritas Uji multikolinieritas bertujuan untuk mengetahui apakah dalam model
regressi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variable bebas. Konsekuensi praktis yang
timbul sebagai adanya multikolinieritas ini adalah kesalahan standar penaksir semakin besar dan probabilitas untuk menerima hipotesis yang salah semakin besar.
Multikolinieritas terjadi jika variabel bebas saling berkorelasi. Hal ini bisa menyebabkan kesimpulan yang salah sehubungan dengan manakah variabel bebas
yang mempunyai pengaruh nyata dan yang tidak nyata. Untuk mendeteksi ada tidaknya multikolinieritas yaitu dengan melihat Tolerance Value dan Variance
Inflation Factor VIF. Multikolinieritas terjadi jika nilai tolerance kurang dari 0,10 dan VIF lebih besar dari 10 atau jika antar variabel independen ada korelasi yang
cukup tinggi umumnya diatas 0,9 Ghozali, 2005. VIF = 1 Tolerance, jika VIF = 10 maka Tolerance = 1 10 = 0,1. Semakin tinggi VIF maka semakin rendah
Tolerance.
4.7.2.3. Uji autokorelasi
Universitas Sumatera Utara
Uji autokorelasi dilakukan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dan dengan
kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi merupakan korelasi antar data dalam runtun waktu times series atau space data cross section.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lainnya. Model yang baik adalah regresi yang bebas dari autokorelasi. Salah satu pengujian yang digunakan untuk mengetahui adanya autokorelasi
adalah dengan memakai uji statistik Durbin–Watson DW. Menurut Setiaji 2004 pengambilan keputusan ada tidaknya autokorelasi
adalah sebagai berikut:
1. Jika nilai D-W berada dibawah 0 sampai 1,5 berarti ada autokorelasi positif.
2. Jika nilai D-W berada di atas 1,5 sampai 2,5 berarti tidak terjadi autokorelasi.
3. Jika nilai D-W berada diatas 2,5 berarti ada autokorelasi negatif.
4.7.2.4. Uji heteroskedastisitas Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
hoteroskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Salah satu cara untuk mendeteksi ada
Universitas Sumatera Utara
atau tidaknya heteroskedastisitas adalah dengan melihat grafik scatter plot antara nilai prediksi variabel terikat dengan residualnya. Jika ada pola tertentu bergelombang,
melebar, kemudian menyempit, antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID. Jika ada titik – titik membentuk pola tertentu yang
teratur, maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada pola yang jalas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas Ghozali,2005
.
4.7.3. Pengujian Hipotesis