operasi, laba kotor, total aktiva dan data exp ected return saham. Data expected return
saham kemudian diolah untuk mendapatkan expected return saham.
B. Analisis Data
1. Pengukuran Variabel Penelitian
a. Variabel Dependen Variabel dependen adalah variabel yang dipengaruhi oleh variabel
independen. Variabel dependennya adalah expected return saham Y. Expected return saham dihitung dengan model pasar yang merupakan
bentuk dari model indeks tunggal. Berdasarkan model indeks tunggal, expected return
dirumuskan sebagai berikut:
M i
i i
R E
R E
.
.
β α +
= E R
i
= return ekspektasi sekuritas ke-i a
i
= nilai ekspektasi dari return sekuritas yang independen terhadap return pasar
ß
i
= beta yang merupakan koefisien yang mengukur perubahan R
i
akibat dari perubahan R
M
sensitifitas perubahan return harian saham terhadap return pasar
E R
M
= tingkat return dari indeks pasar return yang merupakan prosentase perubahan IHSG
Hasil perhitungan expected return saham dapat dilihat pada lampiran 5.
b. Variabel Independen Variabel independen adalah variabel yang diduga secara bebas
berpengaruh terhadap variabel dependen. Variabel independen dalam penelitian ini sebagai berikut:
1. Arus Kas dari Aktivitas Operasi Arus kas operasi adalah arus kas aktivitas penghasil utama
pendapatan perusahaan principal revenue producing activities dan aktivitas lain yang bukan merupakan aktivitas investasi dan
aktivitas pendanaan Arus kas operasi = arus masuk dari aktivitas operasi – arus kas
keluar dari aktivitas operasi Data arus kas operasi dapat dilihat pada lampiran 2.
2. Laba Kotor Laba kotor adalah selisih antara penjualan bersih dan harga pokok
penjualan. Data laba kotor dapat dilihat pada lampiran 3. 3. Size Perusahaan
Size perusahaan diukur dengan total aktiva dari masing perusahaan.
Data size perusahan dapat dilihat pada lampiran 4.
2. Pengujian Asumsi Klasik
a. Uji Normalitas Uji normalitas ini bertujuan untuk mengetahui distribusi data dalam
variabel yang akan digunakan dalam penelitian. Normalitas data dalam penelitian ini dapat diketahui dengan menggunakan pendekatan Kurva
Normal P-Plot. Sua tu variabel dianggap normal jika gambar distribusi dengan titik data yang menyebar di sekitar garis diagonal dan
penyebaran titik-titik data searah mengikuti garis diagonal. Hasil perhitungan uji normalitas dapat dilihat pada lampiran 7. Dari
hasil uji normalitas tersebut dapat dilihat bahwa distribusi data menyebar di sekitar garis diagonal dan penyebaran titik-titik data
searah mengikuti garis diagonal, maka dengan demikian model regresi memenuhi persyaratan asumsi klasik tentang normalitas.
b. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah
regresi linier ada korelasi antara kesalahan penganggu periode t dengan kesalahan penganggu periode t-1. Model regresi linier yang
baik tidak terjadi autokorelasi. Untuk mengetahui adanya autokorelasi dapat dideteksi dengan menggunakan Durbin Watson D-W.
Hasil perhitungan uji autokorelasi dapat dilihat pada lampiran 8. Dari hasil perhitungan tersebut diperoleh nilai uji Durbin Watson
sebesar 2,059, nilai tersebut berada diantara 1,65 DW 2,35 dapat diputuskan tidak terjadi autokorelasi, atau model regresi memenuhi
persyaratan asumsi klasik tentang autokorelasi. c. Uji Heterokedastisitas
Heteroskedastisitas merupakan situasi dimana dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain. Suatu model regresi yang baik mensyaratkan
bahwa data dalam suatu faktor harus memiliki kesamaan variansi homokedastis. Uji heterokedastisitas dalam penelitian ini
menggunakan uji Glejser. Suatu model regresi dikatakan bebas heterokedastisitas menurut uji Glejser jika masing-masing variabel
independen tidak berpengaruh secara signifikan terhadap nilai absolute residual variabel dependen AbsUt. Hal ini terlihat dari probabilitas
signifikansinya diatas tingkat kepercayaan 0,05 dapat disimpulkan tidak mengandung gejala heteroskedastisitas. Hasil uji
heterokedastisitas menggunakan bantuan program SPSS 12.0 sebagai berikut lampiran 9:
Tabel 1 Hasil Uji Heteroskedastisitas Variabel
Probabilitas Ke terangan
Arus Kas Operasi 0,297
Bebas Heteroskedastisitas Laba Kotor
0,483 Bebas Heteroskedastisitas
Size Perusahaan
0,376 Bebas Heteroskedastisitas
Sumber: Data Olahan Berdasarkan data diatas dapat diketahui bahwa nilai probabilitas
variabel arus kas operasi, laba kotor dan size perusahaan lebih dari 0,05 yang berarti data arus kas operasi, laba kotor dan size perusahaan
bebas dari heterokedastisitas. d. Uji Multikolinearitas
Pengujian ini bertujuan untuk mengetahui apakah ada korelasi antara variabel independen. Model regresi linier yang baik tidak terjadi
multikolinearitas. Metode yang digunakan untuk mendeteksi adanya multikoliniearitas adalah dengan menggunakan nilai Variance Inflation
Factor VIF . Apabila nilai VIF tidak lebih dari 10 dan Tolerance tidak
kurang dari 0,1 maka dapat disimpulkan tidak terjadi multikolin earitas. Hasil perhitungan uji multikolinearitas menggunakan bantuan program
SPSS 12 sebagai berikut lampiran 10:
Tabel 2 Hasil Uji Multikolinearitas Variabel
VIF Tolerance
Keterangan
Arus Kas Operasi 3,362
0,297 Bebas Multikolinearitas
Laba Kotor 5,641
0,177 Bebas Multikolinearitas
Size Perusahaan 3,522
0,284 Bebas Multikolinearitas
Sumber: Data Olahan. Berdasarkan tabel diatas diketahui bahwa nilai VIF dari ketiga variabel
independen tersebut kurang dari 10 dan Tolerance lebih dari 0,1 yang berarti bebas multikolinearitas.
3. Regresi Linier Berganda