3 lakukan winsorizing, yaitu mengubah nilai-nilai data outlier
menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
b. Uji Multikolinieritas
Menurut Ghozali 2005, “uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen.”
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-
variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya
adalah:
1 koefisien-koefisien regresi menjadi tidak dapat ditaksir,
2 nilai standar error setiap koefisien regresi menjadi tak terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis
matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai VIF
tidak lebih dari sepuluh dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan
Universitas Sumatera Utara
dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Menurut Nugroho 2005:62 cara memprediksi
ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1 titik-titik data menyebar di atas, di bawah atau di sekitar angka nol,
2 titik-titik data tidak mengumpul hanya di atas atau dibawah saja,
3 penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali, 4
penyebaran titik-titik data sebaiknya tidak berpola.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linier terdapat korelasi atau kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross section, masalah
autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan
uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
Universitas Sumatera Utara
1 nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
2 nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
2. Pengujian Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linier berganda. Analisis ini digunakan untuk mengetahui apakah semua variabel independen
mempunyai pengaruh terhadap variabel dependen. Model regresi untuk menguji hipotesis dalam penelitian ini menggunakan uji-F simultan dan uji-t
parsial.
a. Uji Signifikansi Simultan Uji-F
Pengujian F-test digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel dependen. Data dianalisis dengan model regresi berganda, yaitu:
Keterangan: = Harga saham
Universitas Sumatera Utara
= konstanta = koefisien regresi
= Earning Per Share = Dividend Per Share
= error kesalahan pengganggu Hipotesis yang akan diuji adalah sebagai berikut:
H = tidak semua variabel independen berpengaruh secara simultan
terhadap variabel dependen, Ha = semua variabel independen berpengaruh secara simultan terhadap
variabel dependen. Uji ini dilakukan dengan membandingkan signifikansi F-hitung dengan
F-tabel dengan ketentuan sebagai berikut: - jika F-hitung F-tabel, maka H
diterima dan Ha ditolak untuk α = 5,
- jika F-hitung F-tabel, maka H ditolak dan Ha diterima untuk α = 5.
b. Uji signifikansi parsial Uji-t