pelaksanaan tersebut kemudian peneliti mengumpulkan data harga saham penutupan harian 10 hari sebelum dan sesudah pemecahan saham stock split
melalui www.duniainvestasi.com.
E. Definisi Operasional dan Pengukuran Variabel
3.1. Variabel Independen
a. Pemecahan Saham Stock Split
Variabel independen yang digunakan dalam penelitian ini adalah pemecahan saham stock split.
3.2. Variabel Dependen
a. Harga Saham
Harga saham yang digunakan adalah harga saham penutupan closing price harian dari perusahaan yang melakukan pemecahan saham stock split
selama periode 10 hari sebelum dan 10 hari setelah pengumuman pemecahan saham stock split.
1 Harga Pasar Saham Relatif Sebelum Pengumuman Pemecahan Saham �� =
� � �
�
�
�+1
� Keterangan :
HR = Harga pasar saham relatif sebelum pemecahan saham
P = Harga saham sebelum pemecahan saham
�
�
= Nilai nominal saham sebelum pemecahan saham �
�+1
= Nilai nominal saham setelah pemecahan saham
2 Harga Pasar Saham Relatif Setelah Pengumuman Pemecahan Saham ��
�
= �
�
Keterangan : ��
�
= Harga pasar saham relatif setelah pemecahan saham �
�
= Harga saham setelah pemecahan saham
b. Volume Perdagangan Saham
Dengan memperoleh tanggal pengumuman pemecahan saham stock split maka dapat ditentukan 10 hari sebelum dan 10 hari setelah pengumuman
pemecahan saham stock split tersebut. 1 Aktivitas volume perdagangan saham dapat dihitung dengan menggunakan
rumus : ����, � =
��ℎ�� ������ℎ��� � ���� �������������� ���� ����� � ��ℎ�� ������ℎ��� � ���� ������� ���� ����� �
Keterangan : ����, �
= Trading Volume Activity perusahaan i pada waktu t �
= Nama perusahaan emiten �
= waktu
2 Setelah TVA masing-masing saham diketahui, maka kemudian dihitung rata-rata volume perdagangan saham semua sampel dengan menggunakan
rumus : �̅ ��� =
∑ ���
� �
�=1
� Keterangan :
�̅ = rata-rata volume perdagangan saham
� = sampel
���
�
= Trading Volume Activity
F. Metode Analisis Data
Dalam penelitian ini, metode analisis data dilakukan dengan analisis statistik dan menggunakan software SPSS 18.
3.1. Statistik Deskriptif
Statistik Deskriptif merupakan analisis yang paling mendasar untuk menggambarkan data secara umum. Statistik deskriptif mendeskripsikan data
yang telah dikumpulkan menjadi sebuah informasi.
3.2. Pengujian Asumsi Klasik
3.2.1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah suatu data dikategorikan sebagai distribusi normal atau tidak yang selanjutnya
digunakan untuk membuat kesimpulan populasi berdasarkan data sampel.
Uji normalitas ini perlu dilakukan untuk menentukan alat statistik yang digunakan, sehingga kesimpulan yang diambil tersebut dapat
dipertanggungjawabkan. Proses uji normalitas data yang digunakan dalam penelitian ini adalah uji Kolmogorov-Smirnov. Konsep dasar dari uji
Kolmogorov-Smirnov ini adalah dengan cara membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku.
Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-score dan diasumsikan normal. Distribusi data dapat dilihat
dengan membandingkan Zhitung dengan Ztabel dengan kriteria sebagai berikut:
1 Jika �
ℎ�����
Kolmogorov Smirnov �
�����
1,96, atau angka signifikan taraf signifikansi α 0,05 maka distribusi data
dikatakan normal, 2 Jika
�
ℎ�����
Kolmogorov Smirnov �
�����
1,96, atau angka signifikan taraf signifikansi α 0,05 maka distribusi data
dikatakan tidak normal.
3.2.2. Uji Multikolinearitas
Menurut Erlina 2008 “multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya”. Uji multikolonearitas dalam penelitian ini tidak dilakukan karena variabel independen yang digunakan hanya ada satu yaitu stock split,
sedangkan dalam uji multikolonearitas dilakukan jika variabel independen
dalam suatu penelitian lebih dari satu. Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variable
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
3.2.3. Uji Heteroskedastisitas
Menurut Ghozali 2006 “uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari
residual suatu pengamatan ke pengamatan yang lain”. Jika varians residual dari pengamatan ke pangamatan lain tetap maka disebut homokedastisitas.
Sebaliknya, jika varians berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Uji heterokedastisitas pada umumnya digunakan pada dalam regresi sederhana maupun regresi berganda, sedangkan pada penelitian ini tidak
menggunakan regresi sederhana maupun regresi berganda.
3.2.4. Uji Autokorelasi
Menurut Erlina 2008 “uji autokorelasi bertujuan untuk melihat apakah dalam suatu suatu model regresi linier ada korelasi antar kesalahan
pengganggu pada periode t-1”. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya.
Penelitian ini tidak menggunakan model regresi sederhana maupun berganda sehingga uji autokorelasi juga tidak diperlukan.
3.3. Pengujian Hipotesis Penelitian
