47 paling umum digunakan adalah Uji Durbin Watson, dengan kriteria
sebagai berikut : 1.
Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif
2. Angka D-W di antara -2 sampai +2, berarti tidak ada
ditemukan autokorelasi. 3.
Angka D-W di atas +2 berarti ada ditemukan autokorelasi negatif.
3.6.2. Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Pengujian ini bertujuan untuk menguji apakah variabel
indpenden Debt to Equity Ratio, Return On Asset, Net Profit Margin, Earning Per Share dan Ukuran Perusahaan berpengaruh terhadap variabel
dependen yaitu harga saham secara parsial maupun simultan.
3.6.2.1. Uji t
Uji t digunakan untuk mengetahui apakah secara individu atau parsial variabel independen mempunyai pengaruh terhadap
harga saham, dengan asumsi variabel independen lainnya konstan. Dasar pengambilan keputusan adalah: Ho ditolak atau Ha diterima
jika nilai signifikan t atau p value 5. H
1
: Debt to Asset Ratio, H
2
: Return On Equity, H
3
: Net Profit Margin, H
4:
Earning Per Share, H
5:
Ukuran Perusahaan diuji
Universitas Sumatera Utara
48 masing-masing dengan menggunakan uji-t, dalam hal ini adapun
kriteria yang digunakan adalah sebagai berikut : Ho diterima apabila t hitung t table
Ha diterima apabila t hitung t table
3.6.2.2. Uji F
Uji F digunakan untuk mengetahui apakah variabel independen Debt to Equity Ratio, Return On Asset, Net Profit
Margin, Earning Per Share dan Ukuran Perusahaan secara bersama-sama mempunyai pengaruh terhadap harga saham. Dasar
pengambilan keputusan adalah: Ho akan ditolak atau Ha diterima jika nilai signifikansi F 5 . Data analisis dengan model regresi
berganda adalah sebagai berikut : Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ β
6
X
6
+ e Keterangan :
Y : Harga Saham X
1
: Debt to Asset Ratio X
2
: Return On Equity X
3
: Net Profit Margin X
4
: Earning Per Share X
5 :
Ukuran Perusahaan α : Konstanta
β
1
, β
2
, β
3,
β
4
, β
5,
β
6,
: Koefisien Regresi e : Error tingkat kesalahan
Universitas Sumatera Utara
49
3.6.2.3. Adjusted R
