C. ANALISIS DATA
Pada bagian ini akan dibahas hasil penelitian dari perhitungan dan analisis terhadap sampel penelitian perusahaan yang melakukan stock split
pada tahun 2006 – 2007 yang semuanya terdaftar di Bursa Efek Indonesia yang pengamatannya dilakukan pada saat enam bulan sebelum dan enam
bulan sesudah stock split, khususnya hasil pengamatan terhadap harga saham, bid price, ask price, indeks harga saham gabungan, volume perdagangan, dan
jumlah saham yang beredar sebelum dan sesudah stock split.
1. Pengujian Hipotesis Pertama
Hipotesis pertama dalam penelitian ini adalah menganalis apakah terdapat pengaruh risiko sistematis, likuiditas, dan stock split terhadap return
saham. Formulasi hipotesis ini adalah sebagai berikut: H
: Tidak terdapat pengaruh risiko sistematis, likuiditas, dan stock split terhadap return saham.
H
1
: Terdapat pengaruh risiko sistematis, likuiditas, dan stock split terhadap return saham.
Dalam membuktikan melakukan pengujian hipotesis pertama ini digunakan uji regresi berganda yaitu menganalisis pengaruh risiko sistematis,
likuiditas, dan stock split terhadap return saham. Pengujian hipotesis pertama terlebih dahulu dilakukan uji asumsi klasik.
A. Uji Asumsi Klasik a.
Uji Normalitas
Uji Normalitas bertujuan menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Hal ini dapat
diuji dengan analisis normalitas secara statistik dan grafik.
Tabel 4.11 One-Sample Kolmogorov-Smirnov Test
a Test distribution is Normal. b Calculated from data.
Nilai signifikansi adalah 0,188 lebih besar dari 0,05. Hal ini berarti data yang digunakan pada model regresi terdistribusi dengan normal.
Unstandardized Residual
N 44
Normal Parametersa,b
Mean ,0000000
Std. Deviation ,00362840
Most Extreme Differences
Absolute ,164
Positive ,164
Negative -,103
Kolmogorov-Smirnov Z 1,087
Asymp. Sig. 2-tailed ,188
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected C um
Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: RETURN SAHAM
Gambar 4.1 Uji Normalitas Analisis Grafik
Dengan melihat tampilan grafik plot diatas dapat disimpulkan bahwa pada grafik normal plot terlihat titik-tik menyebar disekitar garis diagonal dan
penyebarannya mendekati serta mengikuti garis. Hal ini menunjukkan bahwa asumsi normalitas terpenuhi.
b. Uji Multikolinieritas
Uji multikolinearitas dimaksudkan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. . Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Diagnosis untuk mengetahui adanya multikolinieritas adalah menentukan nilai
Variance Inflaction Factor VIF dan Tolerance. Batas tolerance value adalah
0.10 dan VIF 10. Hasil perhitungan nilai tolerance dan VIF dapat dilihat pada tabel berikut.
Tabel 4.12
Hasil Uji Multikoleniaritas
Variabel Independen Tolerance VIF
Risiko Sistematis 0.876
1.141 Bid-Ask Spread
0.872 1.147
Trading Volume Activity 0.936
1.068 Stock Split
0.977 1.024
Dari tabel 4.12 dapat diketahui bahwa nilai tolerance diatas 0,10 dan VIF dibawah 10, sehingga dapat dikatakan tidak terjadi multikolinearitas.
Dengan demikian model regresi ini layak dipakai dalam pengujian.
c. Uji Heteroskedastisitas
Heteroskedastisitas varian variabel dependen dalam model tidak equal terhadap variabel independen. Konsekuensi adanya heteroskedastisitas dalam
model regresi adalah estimator yang diperoleh tidak efisien, baik pada sampel kecil maupun besar. Diagnosis adanya heteroskedastisitas dalam uji regresi
dapat diidentifikasi dari pola scatter plot diagram.
Regression Standardized Predicted Value
4 3
2 1
-1 -2
Regression Stud enti
zed Residu al
4
2
-2
Scatterplot
Dependent Variable: RETURN SAHAM
Gambar 4.2 Diagram Heteroskedastisitas
Pada gambar 4.2 terlihat bahwa titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan
demikian pada persamaan regresi linier berganda dalam model ini tidak ada gejala atau tidak terjadi heteroskedastisitas.
d . Uji Autokorelasi
Autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Untuk mendeteksi autokorelasi dalam penelitian ini maka digunakan uji Durbin Watson DW.
Pada tabel 4.13 diketahui nilai Durbin Watson d sebesar 1,881 nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai
signifikansi 5, jumlah sample n 22 dan jumlah variabel independen k adalah 3. Maka dari tabel didapat nilai du = 1,797 dan 4 – du = 4 – 1,797 =
2,203. Oleh karena nilai du d 4-du atau 1,797 1,881 2,203 maka dapat disimpulkan tidak ada autokorelasi baik posistif maupun negatif.
Tabel 4.13 Uji Autokorelasi
B. Analisis Regresi Linier Berganda