Uji Asumsi Klasik HASIL PENELITIAN DAN PEMBAHASAN

seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada tidaknya multikolinieritas dapat dilakukan dengan melihat nilai tolerance dan lawannya variance inflation factor VIF. Model regresi dikatakan mengalami multikolinieritas apabila nilai tolerance ≤ 0,10 dengan nilai VIF ≥ 10. Hasil dari uji multikolinieritas dengan regresi sebagai berikut : Tabel 5. Hasil Uji Multikolinieritas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolera nce VIF 1 Constant -15369,220 9334,044 -1,647 0,102 ROA -318,103 878,016 -0,066 -0,362 0,718 0,169 5,909 ROE 889,488 312,723 0,518 2,844 0,005 0,171 5,842 Negara 11765,150 3417,582 0,263 3,443 0,001 0,972 1,029 Pada tabel 5 di atas hasil perhitungan menunjukkan semua variabel memiliki nilai tolerance lebih dari 0,1 dan memiliki nilai VIF kurang dari 10. Maka dapat disimpulkan bahwa variabel bebas yang digunakan dalam penelitian ini tidak terjadi gejala multikolinieritas dalam model regresi. 2. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi liniear ada korelasi antara kesalahan penggangu pada periode saat ini dengan kesalahan pengganggu atau residual pada periode sebelumnya. Jika terjadi autokorelasi, maka dinamakan ada problem autokorelasi. Pada penelitian ini menggunakan uji Durbin-Watson untuk mengetahui ada tidaknya autokorelasi. Adapun hasil uji autokorelasi dengan menggunakan Durbin- Watson adalah sebagai berikut: Tabel 6. Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0,462 a 0,213 0,195 1,29867 2,211 Sumber : Data sekunder yang telah diolah Pada tabel 6 di atas menunjukkan bahwa nilai Durbin-Watson DW sebesar 2,211 yang akan dibandingkan dengan nilai pada tabel DW dengan menggunakan tingkat signifikansi 0,05. Nilai DW menurut tabel dengan jumlah sampel 135 n dan jumlah variabel independen 3 k adalah dl = 1.6738 dan du = 1.7645. Oleh karena itu nilai DW hitung lebih besar dari batas atas yaitu 1.7645 dan kurang dari 2.236 4-1.7645, yaitu 1.7645 2.211 2.236. Jadi dapat disimpulkan bahwa model regresi tersebut tidak mengalami autokorelasi non autokorelasi. 3. Uji Normalitas Uji normalitas dilakukan untuk menguji model regresi yang digunakan variabel pengganggu atau residual memiliki distribusi normal atau tidak. Uji normalitas dalam penelitian ini menggunakan uji one-sample kolmogrov-smirnov yang dapat diketahui ketika data berdistribusi normal, maka nilai signifikasi harus 0,05. Hasil uji kolmogrov-smirnov penelitian ini sebagai berikut : Tabel 7. Hasil Uji Normalitas Unstandardized Residual N 45 Normal Parameters a,b Mean 140,1178 Std. Deviation 97,22104 Most Extreme Differences Absolute 0,168 Positive 0,168 Negative -0,113 Kolmogorov-Smirnov Z 1,117 Asymp. Sig. 2-tailed 0,165 Berdasarkan hasil uji normalitas di atas dengan Kolmogrov-Smirnov diperoleh nilai Asymp.Sig 2 tailed sebesar 0,165 dan Z hitung sebesar 1,117, sehingga dapat dikatakan data berdistribusi normal karena nilai Asymp.Sig dari 0,05 dan Z hitung Z tabel sebesar 1,96. 4. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk menguji terjadi ketidaksamaan variance atau tidak dari residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah yang tidak mengandung heteroskedastisitas. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Gambar 2. Uji Heteroskedastisitas Dari pengamatan grafik scatterplot di atas terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y, hal tersebut dapat disimpulkan bahwa tidak terjadi heteroskedastisitas atau non heteros pada model regresi, sehingga model regresi tersebut layak untuk memprediksi Harga Saham berdasarkan nilai Return On Asset ROA dan Return On Equity ROE.

D. Hasil Uji Hipotesis Penelitian

Pengujian hipotesis dalam penelitian ini menggunakan analisis linier berganda. Analisis linier berganda digunakan untuk mengetahui pengaruh variabel independen ROA dan ROE terhadap variabel dependen Harga Saham secara bersama-sama dan karena variabel independennya lebih dari satu. Hipotesis dalam penelitian ini adalah ROA dan ROE berpengaruh positif terhadap Harga Saham pada perusahaan manufaktur di Negara ASEAN. Hasil uji hipotesis adalah sebagai berikut : a. Persamaan Regresi Tabel 8. Hasil Uji Regresi Berganda Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -15369,220 9334,044 -1,647 0,102 ROA -318,103 878,016 -0,066 -0,362 0,718 ROE 889,488 312,723 0,518 2,844 0,005 Negara 11765,150 3417,582 0,263 3,443 0,001 Sumber: Hasil Olah Data Berdasarkan tabel 8 di atas, maka persamaan regresi berganda dapat dinyatakan sebagai berikut: Y = -15369,220 - 318,103 ROA + 889,488 ROE + 11765,150 NEGARA Berdasarkan persamaan tersebut dapat diketahui: 1 Nilai konstanta -15369,220 berarti bahwa jika seluruh variabel independen dianggap konstan maka nilai dependen Harga Saham adalah sebesar - 15369,220. 2 Nilai koefisien regresi ROA sebesar -318,103 berarti bahwa jika terjadi kenaikan 1 poin ROA maka nilai Harga Saham akan turun -318,103 poin. 3 Nilai koefisien regresi ROE sebesar 889,488 berarti bahwa jika terjadi kenaikan 1 poin ROE maka nilai Harga Saham akan naik 889,488 poin.