saham relatif, yaitu tingkat kenaikan
harga dari harga sekarang dengan
harga sebelumnya.
Sumber : Data diolah Peneliti, 2010
F. Metode Analisis Data
Adapun metode analisis data yang digunakan dalam penelitian ini antara lain berupa uji asumsi klasik, analisis regresi, dan pengujian hipotesis. Dalam
menganalisis data, peneliti menggunakan program SPSS 16.
1. Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini
adalah uji normalitas, uji multikolinearitas, heteroskedastisitas, dan autokorelasi. a.
Uji Normalitas Menurut Erlina 2008:102, ”tujuan uji normalitas adalah ingin mengetahui
apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal.Pengujian ini diperlukan karena untuk melakukan uji t dan uji F
mengasumsikan bahwa nilai residual mengikuti distribusi normal”. Menurut Ghozali 2005:110, ada dua cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisis statistik dan analisis grafik. 1
Analisis Statistik
Universitas Sumatera Utara
Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov Smirnov K-S. Pedoman pengambilan keputusan
rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari:
a
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal Ghozali:2005:115
2 Analisis Grafik
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar disekitar garis diagonal
dan mengikuti arah garis diagonal atau garfik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengidentifikasi ada atau tidaknya
hubungan antar variabel dalam model regresi. Model regresi yang baik seharusnya tidak ada hubungan antar variabel. Pengujian multikolinearitas dapat dilakukan
dengan melihat nilai VIF dan korelasi diantara variabel bebas. Jika nilai VIF 10 atau nilai tolerance 0,10 maka terjadi multikolinearitas sedangkan apabila nilai
VIF 10 atau nilai tolerance 0,10 maka tidak terjadi multikolineritas. Jika antar
Universitas Sumatera Utara
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinearitas.
c. Uji Autokorelasi Uji Autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antara
anggota serangkaian data observasi yang diuraikan menurut waktu time series atau ruang cross sectional. Hal ini mempunyai arti bahwa satu tahun tertentu
dipengaruhi oleh tahun berikutnya. Untuk menguji ada tidaknya Autokorelasi ini dapat dilakukan dengan
menggunakan Watson statistik, yaitu dengan melihat koefisen korelasi Durbin Watson. Sugiyono 2001:76 mengemukakan bahwa “terjadinya Autokorelasi jika
nilai Durbin Watson DW memiliki nilai lebih dari 5 ≥5”.
d. Uji Heteroskedastisitas Menurut Erlina 2008:106, “uji ini bertujuan untuk melihat apakah dalam
model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain.” Model regresi yang baik adalah tidak terjadi
heteroskedastisitas. Uji heteroskedastisitas dilakukan karena kebanyakan data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun
data yang mewakili berbagai ukuran. Untuk melihat ada tidaknya heteroskedastisitas dilakukan dengan mengamati
Grafik scatterplot antara nilai prediksi variabel terikat dengan residualnya. Deteksi ada tidaknya heterokedastisitas dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot dengan dasar analisis:
Universitas Sumatera Utara
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2 jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Ghozali, 2005:105
2. Pengujian Hipotesis a. Analisis Regresi Berganda
