c. GDP yang digunakan adalah GDP yang dirinci menurut lapangan
usaha by sector dan data agregat yang digunakan atas dasar harga konstan mempunyai nilai sebesar 0.591 yang menyatakan bahwa
apabila harga saham perusahaan manufaktur terbuka di Bursa Efek Indonesia naik Rp.1 maka GDP akan naik + sebesar 0.591 dan
demikian juga sebaliknya. d.
Suku bunga yaitu berupa suku bunga riil yang dihitung dari perubahan suku bunga SBI Sertifikat Bank Indonesia jangka waktu satu bulan
yang telah disesuaikan dengan tingkat inflasi, mempunyai nilai sebesar 0.531 yang menyatakan bahwa apabila harga saham perusahaan
manufaktur terbuka di Bursa Efek Indonesia naik Rp.1 maka suku bunga akan naik + sebesar 0.531 dan demikian juga sebaliknya.
e. Nilai tukar diukur dari perubahan nilai tukar mata uang Rupiah
terhadap Dollar Amerika setelah disesuaikan dengan tingkat inflasi, mempunyai nilai sebesar -0.368 yang menyatakan bahwa apabila harga
saham perusahaan manufaktur terbuka di Bursa Efek Indonesia naik Rp.1 maka nilai tukar akan turun – sebesar -0.368 dan demikian juga
sebaliknya. Dalam banyak penelitian menemukan hubungan bahwa di dalam kondisi yang normal dimana fluktuasi nilai tukar yang tidak
terlalu tinggi, hubungan perubahan nilai tukar terhadap harga saham adalah positif.
3. Pengujian Asumsi Klasik
Penulis melakukan pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linear Unbiased Estimation. Syarat yang
harus dipenuhi adalah distribusi data yang normal, tidak terjadi masalah multikolinearitas, autokorelasi dan heterokedastisitas.
a Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel independent dan variabel dependent atau
keduanya berdistribusi normal atau tidak. Model yang paling baik hendaknya berdistribusi normal atau mendekati normal. Untuk
mengetahui apakah variabel independent risiko sistematis dan makro ekonomi dan variabel dependent harga saham atau keduanya
berdistribusi normal atau tidak yaitu dengan cara melakukan uji Kolmogorov Smirnov sebagai berikut:
Tabel 4.7 Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 58
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.14007464
Most Extreme Differences Absolute
.070 Positive
.070 Negative
-.042 Kolmogorov-Smirnov Z
.537 Asymp. Sig. 2-tailed
.936 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2009 SPSS 17.00
Menurut Situmorang at al 2008:62 bahwa, apabila hasil uji Kolmogorov Smirnov yaitu Asymp. Sig. 2-tailed
lebih besar dari 0,05 = 5 tingkat signifikansi maka data berdistribusi normal, sehingga
model regresi yang didapat dalam penelitian ini adalah berdistribusi
normal seperti pada Tabel 4.7, karena Asymp. Sig. 2-tailed uji Kolmogorov Smirnov yaitu lebih besar dari 0,05 0,936 0,05.
Selain uji Kolmogorov Smirnov, uji normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik Normal
P-P Plot of Regression Standardized Residual.
Gambar 4.1 Hasil Uji Normal P-P Plot of Regression Standardized Residual
Sumber: Hasil Penelitian, 2009 SPSS 17.0
Berdasarkan grafik Normal P-P Plot of Regression Standardized Residual. Pada Gambar 4.1, dapat diketahui bahwa data berdistribusi
normal, karena data menyebar disekitar garis diagonal. Menurut Situmorang, at al 2008:58-59, apabila data menyebar disekitar garis
diagonal maka regresi memenuhi asumsi normalitas atau berdistribusi normal.
b Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui apakah dalam model regresi linear ditemukan adanya korelasi yang tinggi diantara
variabel bebas, dengan ketentuan: Bila VIF 10 maka terdapat masalah multikolinearitas yang serius.
Bila VIF 10 maka tidak terdapat masalah multikolinearitas yang serius.
Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Variance Inflation Factor VIF pada Tabel 4.8.
Tabel 4.8 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Correlations
Collinearity Statistics
B Std. Error
Beta Zero-
order Partial Part
Tolerance VIF
1 Constant
2.532 3.062
.827 .412 LN_Beta
-.105 .322
-.034 -.326 .745
-.165 -.045 -.032
.901 1.110 LN_GDP
.591 .270
.586 2.189 .033
.591 .288 .218
.138 7.247 LN_SukuBu
nga .531
.304 .447
1.743 .087 .580
.233 .173 .150 6.668
LN_NilaiTuk ar
-.368 .113
-.534 -3.273 .002
.252 -.410 -.325
.371 2.693 a. Dependent Variable: LN_HargaSaham
Sumber: Hasil Penelitian, 2009 SPSS 17.00
Berdasarkan Tabel 4.8 maka dapat diketahui bahwa model tidak
terdapat masalah, karena VIF Variance Inflation Factor tidak lebih besar dari 10 yaitu:
VIF Risiko Sistematis = 1,110 10
VIF GDP = 7,247 10
VIF Suku Bunga = 6,688 10
VIF Nilai Tukar = 2,693 10
Selain VIF-nya yang dilihat, nilai tolerance-nya juga dapat digunakan untuk mengetahui multikolinearitas. Apabila nilai tolerance-nya lebih
besar dari sig. 5, maka model tidak terkena multikolinearitas. Berdasarkan Tabel 4.9 maka diketahui bahwa model penelitian ini tidak
terkena multikolinearitas, karena nilai tolerance variabel bebas lebih besar dibandingkan sig. 5.
c Uji Autokorelasi
Uji Autokorelasi digunakan untuk mengetahui apakah terdapat hubungan antara serangkaian observasi yang diurutkan menurut waktu
seperti dalam data deret waktu atau ruang seperti data cross section dalam Situmorang at al 2008:78-95. Dalam penelitian ini, metode yang
dilakukan untuk menguji ada atau tidaknya autokorelasi dalam suatu model regresi yaitu dengan melakukan Durbin-Watson Test DW yang
diberi symbol d.
Tabel 4.9 Hasil Durbin-Watson Test
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F Change df1 df2 Sig. F
Change 1
.690
a
.476 .437
1.18231 .476
12.052 4 53
.000 1.618
a. Predictors: Constant, LN_NilaiTukar, LN_Beta, LN_SukuBunga, LN_GDP b. Dependent Variable: LN_HargaSaham
Sumber: Hasil Penelitian, 2009 SPSS 1700
Pada hasil Durbin-Watson Test pada Tabel 4.9 maka dapat diketahui bahwa nilai d yaitu sebesar 1,618. Nilai d akan dibandingkan dengan
nilai dl dan du pada n = 58 dan k = jumlah variabel bebas.
Angka D-W di bawah -2, berarti ada autokorelasi positif, angka D- W di antara -2 sampai +2, berarti tidak ada autokorelasi, dan angka D-W
di atas +2, berarti ada autokorelasi negatif. Pada hasil ini dapat dilihat tidak terjadi Autokorelasi karena D-W
berada diantara -2 sampai +2. d
Uji Heterokedastisitas Uji heterokedastisitas dilakukan untuk mengetahui apakah dalam
sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk mengetahui apakah terjadi
atau tidak terjadi heterokedastisitas dalam model regresi penelitian ini, analisis yang dilakukan yaitu dengan metode informal. Metode informal
dalam pengujian heterokedastisitas yaitu metode grafik Scatterplot.
Gambar 4.2 Hasil Scatterplot
Sumber: Hasil Penelitian, 2009 SPSS 17.00
Berdasarkan grafik Scatterplot dalam Gambar 4.2 yang didapat dari analisis dengan bantuan program Software SPSS Statistical Package for
the Social Sciences 17.00 for windows, maka dapat diketahui bahwa
model tidak terkena heterokedastisitas karena data penelitian yang berbentuk titik-titik tidak membentik suatu pola. Menurut Situmorang at
al 2008:68, bahwa model regresi yang baik adalah yang homokedastisitas atau tidak terjasi heterokedastisitas. Jadi, model regresi
linear berganda yang didapat memenuhi asumsi homokedastisitas atau tidak terkena heterokedatisitas.
4. Pengujian Hipotesis
