Sesuai dengan jenis data yang diperlukan yaitu data sekunder dan sampel yang digunakan maka metode pengumpulan data EPS, ROA, DER dan Harga Saham. dalam
penelitian ini digunakan dengan teknik dokumentasi laporan keuangan perbankan setiap tahunnya yang dikeluarkan oleh Bursa Efek Indonesia BEI.
Tabel 3.2 Daftar Sampel Perusahaan LQ 45
No. Nama Perusahaan LQ 45
1. PT. Astra Argo Lestari Tbk
2. PT Adaro Energy Tbk
3. PT Aneka Tambang Tbk
4. PT Astra Internasional Tbk
5. PT Bank Central AsiaTbk
6. PT Bank Negara Indonesia Tbk
7. PT Bank Rakyat Indonesia Tbk
8. PT Danamon Indonesia Tbk
9. PT BPD Jawa Barat Tbk
10. PT Bank Mandiri Tbk
3.9 Teknik Analisis
3.9.1 Analisis Regresi Berganda
Metode analisis yang digunakan untuk menguji hipotesis adalah analisis regresi linier berganda, karena penelitian ini menggunakan tiga
variable independen dan satu variable dependen. Model regresi linier berganda digunakan untuk mengestimasi atau memprediksi rata-rata populasi atau nilai
rata-rata populasi dan rata-rata variable dependen berdasarkan nilai variable
Universitas Sumatera Utara
independen yang diketahui. Model persamaan regresi berganda untuk menguji hipotesis sebagai berikut:
Y = a + bX
1
+ bX
2
+ bX
3
Keterangan : Y = Harga saham
a = Konstanta b
= koefisien regresi berganda X
1
= ROA X
2
= DER X
3
= EPS 3.9.2
Pengujian Asumsi Klasik
1. Uji Normalitas 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. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal
Ghozali, 2005:110. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai
Universitas Sumatera Utara
residualnya. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. Alat analisis yang digunakan dalam uji ini adalah uji Kolmogorov – Smimov
satu arah atau analisis grafis. Asumsi dalam OLS adalah nilai rata-rata dari faktor pengganggu µ
i
adalah nol. Untuk menguji apakah normal atau tidaknya faktor pengganggu, maka perlu dilakukan uji normalitas dengan menggunakan Jarque–
Berra Test J-B test. Kriterianya:
a. Apabila nilai x
2
tabel 0,05 nilai Jarque–Berra normality test statistic,
maka µ
i
berdistribusi normal. b. Apabila angka probability
0,05, maka data berdistribusi normal
.
2. Multikolinieritas Uji Multikolinearitas bertujuan untuk menguji apakah model regresi
mempunyai korelasi antar variabel independen. Multikolinearitas adalah ada tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif
tinggi pada variabel-variabel bebasnya. Menurut Ghozali 2005:91, untuk mendeteksi ada tidaknya multikolinearitas
di dalam model regresi adalah sebagai berikut: a Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris
sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi variabel
dependen. b Menganalisis matrik korelasi variabel – variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya diatas
Universitas Sumatera Utara
0,90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti
bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya yaitu variance inflation factor VIF. Kedua ukuran ini menunjukan
setiap variabel independen yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen
menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai
VIF tinggi karena VIF=1Tolerance. Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance
0.10 atau sama dengan nilai VIF 10.
3. Autokorelasi Pengujian Autokorelasi menurut Ghozali 2005:95 bertujuan untuk menguji
apakah dalam model regresi linear ada korelasi penganggu antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1.
Autokorelasi menunjukkan adanya korelasi di antara data pengamatan yang tersusun baik seperti data cross sectional danatau time series. Autokorelasi
menunjukkan adanya kesalahan penganggu residual tidak bebas dari satu pengamatan ke pengamatan lain. Jika terjadi autokorelasi dalam model regresi
Universitas Sumatera Utara
berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi.
Autokorelasi terjadi bila error term µ dari waktu yang berbeda berkorelasi. Model regresi linier klasik mengasumsikan bahwa faktor pengganggu yang
berhubungan dengan observasi tidak dipengaruhi oleh faktor pengganggu pada pengamatan lainnya.
Eu
i
u
j
= 0 i ≠j
Ada beberapa cara untuk mengetahui keberadaan autokorelasi yaitu: a. Dengan menggunakan atau memplot grafik
b. Dengan uji Durbin-Watson D-W Test Uji D-W dirumuskan sebagai berikut:
D − hitung =
∑ ��– ��
��−1 2
∑�
2 �
Dengan hipotesis sebagai berikut: H
= ρ = 0 tidak ada autokorelasi H
a
= ρ ≠ 0 ada autokorelasi Untuk menguji masalah autokorelasi ini, kita harus menentukan besarnya nilai
kritis dari d
u
dan d
1
. Berdasarkan jumlah dari variabel independen, jika hipotesis nol menyatakan bahwa tidak terjadi autokorelasi, maka:
1. Jika DW dt, maka H ditolak, berarti suatu persamaan regresi mengalami
autokorelasi. 2. Jika d
u
DW 4 – d
u
, maka H diterima, berarti suatu persamaan regresi tidak
mengalami autokorelasi. 3. Jika d
1
≤ DW ≤ d
u
atau 4 – d
u
≤ DW ≤ 4 – d
1
, berarti pengujian tidak dapat disimpulkan.
4. Uji Heterokedastisitas
Universitas Sumatera Utara
Uji heterokedastisitas dilakukan untuk melihat nilai varians antar nilai Y, apakah sama atau heterogen Suharyadi Purwanto, 2009. Salah satu cara
mendeteksi terjadinya heterokedastisitas adalah dengan melihat ada atu tidaknya pola tertentu pada grafik Scatterplot. Dasar analisis Ghozali, 2005 adalah:
1. Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan terjadinya
heterokedastisitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar di atas dan dibawah angka nol
sumbu Y, maka tidak terjadi heterokedastisitas.
3.9.3 Pengujian Hipotesis
