78 Dari tabel diatas diketahui bahwa pada tahun 2006 hingga tahun 2008
Debt to Equity Ratio PT Indomobil Sukses International Tbk mencatat nilai
tertinggi sebesar 20.9, 27.04 , 17.78 . Sedangkan pada tahun 2006 return PT.Nipress Tbk mencatat nilai
terendah yaitu sebesar 0.53 . Tahun 2007 PT Multistrada Arah Sarana Tbk mencatat nilai terendah yaitu sebesar 0.4 . Tahun 2008 PT Astra Otoparts Tbk
mencatat nilai terendah yaitu sebesar 0.45 .
4.4 Analisis dan Pengujian Hipotesis
4.4.1 Asumsi-asumsi Klasik Regresi
Berdasarkan uraian diatas, peneliti akan melakukan pengujian pada Economic Value Added, Market Value Added,
dan Debt to Equity Ratio apakah berpengaruh terhadap Return Saham yang dimiliki tiga belas perusahaan yang
diteliti dan terdaftar pada di Bursa Efek Indonesia tahun 2006-2008. Mengingat analisis rasio keuangan sangat luas cakupannya, maka peneliti membatasi pada
analisis rasio melalui regresi linier berganda. Persamaan regresi tersebut harus bersifat BLUE Best Linier Unlimited Estimator, artinya pengambilan keputusan
Uji F dan Uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi
diantaranya tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linear yaitu:
Tidak boleh ada autokorelasi atau autokolerasi negative
Tidak boleh ada multikolinearitas.
Tidak boleh ada heteroskedastisitas.
79
1. Autokorelasi
Pada hasil analisa data yang diperoleh melalui uji asumsi klasik tentang autokorelasi dapat diketahui melalui tabel sebagai berikut:
Tabel 4.5
Model Summary
b
.656
a
.431 .363
.294712 2.706
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, DER, EVA, MVA a.
Dependent Variable: RETURN SAHAM b.
Sumber data: Hasil analisa SPSS
Dari tabel model summary diatas diketahui nilai D-W sebesar 2.706, sedangkan alat deteksi yang dijadikan acuan angka D-W di bawah –2 sampai +2
berarti tidak ada autokorelasi, maka dapat dinyatakan terdapat autokorelasi negative antara variabel bebas terhadap variabel terikat. Dengan demikian model
regresi memenuhi persyaratan asumsi klasik tentang autokorelasi.
2. Multikoliniearitas
Pada hasil analisa data yang diperoleh melalui uji asumsi klasik dengan menggunakan multikolinearitas dapat diketahui melalui tabel sebagai berikut:
Tabel 4.6
Coefficients
a
.043 .073
.585 .564
.000 .000
.067 .422
.676 .911
1.098 .001
.000 .814
4.120 .000
.584 1.713
-.027 .011
-.478 -2.479
.020 .613
1.630 Constant
EVA MVA
DER Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: RETURN SAHAM a.
Sumber data: Hasil analisa SPSS
80 Dari tabel koefisien diatas diketahui nilai multikolinear untuk EVA X
1
dalam VIF sebesar 1.098 sedangkan toleransinya sebesar 0.911 hal ini menunjukkan nilai VIF dan toleransi masih kurang dari 10, maka dapat
dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi memenuhi persyaratan asumsi
klasik tentang multikolinearitas. Untuk nilai multikolinear MVA X
2
dalam VIF sebesar 1.713 dan nilai toleransinya sebesar 0.584 hal ini menunjukkan nilai VIF dan toleransi masih
kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi
memenuhi persyaratan asumsi klasik tentang multikolinearitas. Untuk nilai multikolinear DER X
3
dalam VIF sebesar 1.630 dan nilai toleransinya sebesar 0.613 hal ini menunjukkan nilai VIF dan toleransi masih
kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi
memenuhi persyaratan asumsi klasik tentang multikolinearitas.
3. Heteroskedastisitas
Uji heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas. Jika varian berbeda,
disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
81 heteroskedastisitas Santoso, 2002:208. Untuk mendeteksi ada tidaknya
heteroskedastisitas dalam model regresi dapat di deteksi dengan : a.
Dari Scatter Plot Residual: jika ada pola tertentu seperti titik-titik point- point yang ada membentuk pola tertentu yang teratur bergelombang,
menyebar kemudian menyempit b.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada
sumbu Y, maka tidak terjadi Heteroskedastisitas.
c. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel
X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Rumus rank
Spearman adalah :
r
s
= 1 – 6
1 N
N d
2 2
i
Keterangan : d
i
= perbedaan dalam rank antara residual dengan variabel bebas ke-i N = banyaknya data
Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil
analisis sbb:
82
Tabel 4.7 Nonparametric Correlations
Correlations
1.000 .125
.036 -.066
. .519
.852 .736
29 29
29 29
.125 1.000
.226 -.035
.519 .
.238 .857
29 29
29 29
.036 .226
1.000 .079
.852 .238
. .685
29 29
29 29
-.066 -.035
.079 1.000
.736 .857
.685 .
29 29
29 29
Correlation Coeffi Sig. 2-tailed
N Correlation Coeffi
Sig. 2-tailed N
Correlation Coeffi Sig. 2-tailed
N Correlation Coeffi
Sig. 2-tailed N
EVA MVA
DER Unstandardized Res
Spearmans r EVA
MVA DER
Unstandardiz ed Residual
Sumber data: Hasil analisa SPSS
Hasil analisis menunjukkan bahwa pada variabel X1, X2 dan X3, TIDAK mempunyai korelasi yang signifikan antara residual dengan variabel
bebasnya,nilai Sig lebih besar dari 0,05 maka hasil analisis ini dapat disimpulkan seluruh variabel penelitian tidak terjadi Heteroskedastisitas.
4.4.2 Pengujian Hipotesis
Hasil dari dokumentasi data perusahaan yang dikumpulkan dan setelah itu ditabulasi kemudian diolah melalui analisa regresi linier berganda dengan bantuan
program SPSS. Berdasarkan pertimbangan hasil regresi linier berganda yang selengkapnya bisa dilihat pada lampiran, maka dapat dijelaskan pengaruh EVA
X
1
, MVA X
2
, DER X
3
, terhadap Return Saham Y dengan pengujian hipotesa, melalui analisis sebagai berikut:
83
a. Analisa Regresi Linier Berganda
