SPSS versi 16.0. Sebelum diproses menggunakan aplikasi program SPSS 16.0 terlebih dulu harus diuji apakah data memenuhi kriteria
atau tidak dengan model regresi linier berganda, uji prasyarat, dan uji
F dan uji t: a. Analisis Regresi
Analisis Regresi Linier Berganda
Dalam penelitian ini digunakan analisis regresi berganda untuk menguji hipotesis yang telah dikemukakan di atas. Bentuk
model yang akan diuji dalam penelitian ini adalah: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e Keterangan :
Y = harga saham closing price BUMN a = konstanta
b
1
= koefisien variabel EBIT X
1
= earning before interest and taxes EBIT b
2
= koefisien variabel arus kas dari aktivitas operasi X
2
= arus kas dari aktivitas operasi AKO b
3
= koefisien variabel arus kas dari aktivitas investasi X
3
= arus kas dari aktivitas investasi AKI b
4
= koefisien variabel arus kas dari aktivitas pendanaan X
4
= arus kas dari aktivitas pendanaan AKP e = faktor pengganggu error
b. Uji Asumsi Klasik 1 Uji Normalitas
Yang dimaksud dengan uji normalitas sampel atau menguji normal tidaknya sampel adalah mengadakan pengujian
terhadap normal tidaknya sebaran data yang akan dianalisis Arikunto, 2010: 301. Normalitas dapat dilihat pada grafik
Normal Probability Plot. Normal Probability Plot berbentuk
grafik yang digunakan untuk mengetahui apakah dalam sebuah model regresi, nilai regresi residual terdiatribusi dengan normal
atau tidak. Model regresi yang baik seharusnya distribusi regresi residual normal atau mendekati normal Priyatno, 2012:
60. Dasar
pengambilan keputusan
untuk mendeteksi
kenormalan data adalah jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal pada grafik Normal P-P
Plot, maka model regresi memenuhi asumsi normalitas
Priyatno, 2012: 61. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-
parametrik Kolmogorov-Smirnov.
2 Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi
hubungan linier yang sempurna atau mendekati sempurna.
Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas Salah satu cara untuk mendeteksi ada
tidaknya multikolinearitas dengan cara melihat nilai Tolerance dan VIF Priyatno, 2012: 61.
Jika semakin kecil nilai Tolerance dan semakin besar nilai VIF maka semakin mendekati terjadinya masalah
multikolinearitas. Dalam kebanyakan penelitian menyebutkan bahwa jika Tolerance lebih dari 0,1 dan VIF kurang dari 10
maka tidak terjadi multikolinearitas.
3 Uji Heterokedastisitas
Heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan varian dari residual pada model regresi. Model
regresi yang baik mensyaratkan tidak adanya masalah heteroskedastisitas. Salah satu cara untuk mendeteksi ada
tidaknya heteroskedastisitas adalah dengan melihat pola titik- titik pada scatterplot regresi Priyatno, 2012: 62.
Metode pengambilan
keputusan pada
uji heteroskedastisitas adalah dengan melihat scatterplot, jika titik-
titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y maka dapat disimpulkan bahwa
tidak terjadi masalah heteroskedastisitas pada model regresi.
4 Uji Autokorelasi
Autokorelasi adalah keadaan dimana terjadinya korelasi antara residual pada satu dan pengamatan lain pada model
regresi. Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya
autokorelasi pada
model regresi.
Metode pengujian
menggunakan uji Durbin-Watson DW Priyatno, 2012: 63. Cara mengujinya adalah dengan membandingkan nilai DW
tersebut adalah dl, du, 4 – dl, dan 4 – du. Kriteria untuk
penilaian terjadinya autokorelasi yaitu: a Apabila dU DW 4-dU maka tidak terjadi
autokorelasi. b Apabila DW dL atau DW 4-dL maka terjadi
autokorelasi. c Apabila dL DW dU atau 4-dU DW 4-dL
maka tidak ada keputusan yang pasti.
c. Analisis Koefisien Determinasi R
2
Analisis R
2
R Square atau koefisien determinasi digunakan untuk mengetahui seberapa besar persentase sumbangan pengaruh
variabel independen secara bersama-sama terhadap variabel dependen Priyatno, 2012: 55. Semakin besar R
2
Adjusted R
