independen sebagai indicator.Analisis ini digunakan dengan melibatkan dua atau lebih variabel bebas antara variabel dependen Y dan variabel independen X
1
dan X
2
. Dengan persamaan umum sebagai berikut:
Sumber:Sugiyono 2009 Keterangan :
Y =
Variabel Dependen Harga saham
= Variabel konstanta
1
X
= Variabel Independen 1 Earning Per Share
2
X = Variabel Independen 3 Price to Book Value
2 1
,
Koefisien Regresi parsial ε
= Error Term Tingkat kesalahan yang merupakan variabel
pengganggu yang mewakili faktor lain yang berpengaruh terhadap harga saham.
Regresi linier berganda dengan dua variabel X
1
dan X
2
metode kuadrat kecil memberikan hasil bahwa koefisien-koefisien tersebut dapat dihitug dengan
menggunakan rumus sebagai berikur : ΣY = na +
1
ΣX
1
+
2
ΣX
2
ΣX
1
Y = ΣX
1
+
1
ΣX
1 2
+
2
ΣX
1
X
2
ΣX
2
Y = ΣX
2
+
1
ΣX
1
X
2
+
2
ΣX
2 2
Sumber: Sugiyono, 2009: 279
Untuk memperoleh hasil yang lebih akurat pada regresi berganda maka perlu dilakukan pengujian asumsi klasik.Terdapat beberapa asumsi yang harus
dipenuhi terlebih dahulu sebelum menggunaan Multiple Linier Regression sebagai alat untuk menganalisis pengaruh variabel-variabel yang diteliti. Beberapa asumsi
itu di antaranya :
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah model regresi mempunyai distribusi normal ataukah tidak.Asumsi normalitas merupakan
persyaratan yang sangat penting pada pengujian kebermaknaan sgnifikansi koefisien regresi.Model regresi yang baik adalah model regresi yang memiliki
distribusi normal atau mendekati normal, sehingga layak dilakukan pengujian statistik.
Menurut Singgih Santoso 2002: 393 dasar pengambilan keputusan bisa dilakukan berdasarkan probabilitas Asymtotic Significance, yaitu :
Jika probabilitas 0.05 maka distribusi dari populasi adalah normal. Jika probabilitas 0.05 maka populasi tidak berdistribusi normal.
Pengujian secara visual dapat juga dilakukan dengan metode gambar Normal Probability Plots dalam program SPSS. Dasar pengambilan keputusan :
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi
normalitas.
Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat dsimpulkan bahwa model regresi tidak memenuhi
asumsi normalitas. Singgih Santoso, 2002: 322. Selain itu uji nomalitas digunakan untuk mengetahui bahwa data yang
diambil berasal dari populasi berdistribusi normal.Uji yang digunakan untuk kenormalan adalah uji Kolmogorov-Smirnov. Berdasarkan sampel ini akan diuji
hipotesis nol bahwa sampel tersebut berasal dari populasi berdistribusi normal melawan hipotesis tandingan bahwa populasi berdistribusi tidak normal.
b. Uji Multikolinieritas
Multikolinieritas merupakan suatu situasi di mana beberapa atau semua variabel bebas berkorelasi kuat. Jika terdapat korelasi yang kuat di antara sesame
variabel independen maka konskuensinya adalah :
1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir.
2. Nilai standar error setiap koefisien regrei menjadi tidak terhingga.
Dengan demikian berarti semakin besar korelasi di antara sesame variabel independen, maka tingkat kesalahan dari koefisien regresi semakin besar yang
mengakibatkan standar errornya semakin besar pula. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinieritas adalah dengan menggunakan Variance
Inflation Factors VIP, VIP =
Gujarati, 2003: 351 Di mana R
i 2
adalah koefisien determinasi yang diperoleh dengan meregresikan salah satu variabel bebas X
1\
terhadap variabel bebas lainnya.Jika
