47
Lanjutan Tabel 3.3
No. Nama Perusahaan
Kode Saham 6
Asahimas Flat Glass, Tbk AMFG
7 Lion Metal Works, Tbk
LION 8
Lionmesh Prima, Tbk LMSH
9 Alumindo Ligh Metal Industry, Tbk
ALMI 10
Charoen Pokphand Indonesia, Tbk CPIN
11 Japfa Comfeed Indonesia, Tbk
JPFA 12
Astra International, Tbk ASII
13 Astra Autoparts, Tbk
AUTO 14
Goodyear Indonesia, Tbk GDYR
15 Selamat Sempurna, Tbk
SMSM 16
Gajah Tunggal, Tbk GJTL
17 Sumi Indo Kabel, Tbk
IKBI 18
Suprema Cable Manufacturing Commerce, Tbk SCCO
19 Sepatu Bata, Tbk
BATA 20
Indofood Sukses Makmur, Tbk INDF
21 Multi Bintang Indonesia, Tbk
MLBI 22
Delta Djakarta, Tbk DLTA
23 Nippon Indosari, Tbk
ROTI 24
Sekar Laut, Tbk SKLT
25 Gudang Garam, Tbk
GGRM 26
Hanjaya Mandala Sampoerna, Tbk HMSP
27 Kalbe Farma, Tbk
KLBF 28
Darya-Varia Laboratoria, Tbk DVLA
29 Kimia Farma Persero, Tbk
KAEF 30
Tempo Scan Pacific, Tbk TSPC
31 Merck, Tbk
MERK 32
Mandom Indonesia, Tbk TCID
33 Unilever Indonesia , Tbk
UNVR Sumber:
www.idx.co.id 2015
3.6 Jenis dan Sumber Data
Jenis data yang dipergunakan dalam penelitian ini adalah data yang berasal dari data sekunder. Data sekunder merupakan data yang diperoleh atau
dikumpulkan dan disatukan oleh studi-studi sebelumnya atau yang diterbitkan oleh berbagai instansi lain. Data ini bisa diperoleh dari media internet, jurnal dan
buku-buku referensi.
3.7 Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan adalah dengan studi dokumentasi yaitu pengumpulan data melalui informasi dari tulisan ilmiah, jurnal,
Universitas Sumatera Utara
48
artikel ataupun internet yang memiliki relevansi dengan objek penelitian yang nantinya data tersebut digunakan sebagai acuan dan bahan pertimbangan terhadap
apa yang ada di lapangan.
3.8 Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk mengetahui kelayakan dari model analisis data yang digunakan. Uji asumsi klasik adalah pernyataan statistik
yang harus dipenuhi pada analisis regresi linear berganda Situmorang dan Lufti, 2014: 114. Uji asumsi klasik yang digunakan dalam penelitian ini terdiri dari uji
normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. 1. Uji Normalitas
Uji ini digunakan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Data yang baik adalah data
yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Uji ini dilakukan melalui analisis
grafik dan analisis statistik Kolmogorv-Smirnov. Dasar pengambilan keputusan dengan analisis grafik:
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah
garisdiagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
Kriteria pengujian menggunakan uji non-parametrik Kolmogorv-Smirnov:
Universitas Sumatera Utara
49
a. Jika angka signifikan uji Kolmogorv-Smirnov 0,05 maka data dinyatakan
normal b.
Jika angka signifikansi Kolmogorv-Smirnov 0,05 maka data tidak mempunyai distribusi normal.
2. Uji Multikolinearitas Uji ini digunakan untuk menguji apakah dalam model regresi berganda
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel-variabel
saling berkorelasi maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel adalah
nol. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi dapat dilihat dari besaran Variance Inflation Factor VIF dengan pedoman
sebagai berikut: a.
Jika Variance Inflation Factor VIF 10 maka artinya terdapat persoalan multikolinearitas diantara variabel bebas.
b. Jika Variance Inflation Factor VIF 10 maka artinya tidak terdapat
persoalan multikolinearitas diantara variabel bebas. 3. Uji Heteroskedastisitas
Uji ini digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan
lainnya. Jika varians sama dan ini yang seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi
heteroskedastisitas. Cara mendeteksi ada tidaknya gejala heteroskedastisitas
Universitas Sumatera Utara
50
adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Pengambilan keputusan ada tidaknya
heteroskedastisitas adalah sebagai berikut: a.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas. Model regresi yang baik adalah yang terjadi homoskedastisitas atau tidak terjadi
heteroskedastisitas. 4. Uji Autokorelasi
Uji autokorelasi terjadi apabila terdapat penyimpangan terhadap suatu observasi oleh penyimpangan yang lain atau terjadi korelasi diantara observasi
menurut waktu dan tempat. Untuk mendeteksi ada tidaknya autokorelasi dalam satu model regresi digunakan model D-W Durbin-Watson dengan kriteria
pengambilan keputusan sebagai berikut: a.
Jika nilai D-W di bawah 0 sampai 1,5 berarti ada autokorelasi positif b.
Jika nilai D-W diantara 1,5 sampai 2,5 berarti tidak ada autokorelasi c.
Jika nilai D-W di atas 2,5 sampai 4 berarti ada autokorelasi negatif Selain menggunakan uji Durbin Watson, untuk melihat ada tidaknya
autokorelasi dapat digunakan uji Runs Test. Dengan menggunakan uji Runs Test, jika diketahui nilai Asymp. Sig 2-tailed 0,05 maka hipotesis nol diterima yang
berarti data residual tidak terkena autokorelasi.
Universitas Sumatera Utara
51
3.9 Teknik Analisis Data
