Arus Kas dari Aktivitas
Investasi X
3
Selisih bersih antara penerimaan dan pengeluaran kas dan setara
kas yang berasal dari aktivitas investasi selama satu tahun buku,
sebagaimana tercantum dalam laporan arus kas.
Nilai arus kas aktivitas
investasi per lembar saham
Rasio
Arus Kas dari Aktivitas
Pendanaan X
4
Selisih bersih antara penerimaan dan pengeluaran kas dan setara
kas yang berasal dari aktivitas pendanaan selama satu tahun
buku, sebagaimana tercantum dalam laporan arus kas.
Nilai arus kas aktivitas
pendanaan per lembar saham
Rasio
Harga Saham Y
Harga yang dibentuk oleh penjual dan pembeli saham
ketika mereka memperdagangkan saham di
pasar bursa. Harga pasar
per lembar saham pada
periode tertentu
Rasio
F. Metode Analisis Data
3.1 Pengujian Asumsi Klasik
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan program software SPSS. Peneliti melakukan uji asumsi klasik terlebih
dahulu sebelum melakukan pengujian hipotesis dengan alasan data penelitian yang digunakan dalam penelitian sering bersifat bias dan tidak efisien. Untuk memperoleh nilai yang tidak bias
dan efisien dari model persamaan linear maka haruslah memenuhi asumsi klasik yang mendasari model linear. Setelah data memenuhi asumsi klasik maka data layak dianalisis lebih lanjut untuk
pengujian hipotesis dengan analisis pengujian linear. Pengujian asumsi klasik yang dilakukan
Universitas Sumatera Utara
terdiri atas uji normalitas, uji multikolinearitas, uji heteroskedasitas, dan uji autokorelasi. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah:
a. berdistribusi normal,
b. non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak
memiliki korelasi atau hubungan secara sempurna atau mendekati sempurna, c.
non-autokorelasi, artinya kesalahan penggangu dalam model regresi tidak saling berkorelasi,
d. homoskedastitas, artinya variancce variabel independen dari satu pengamatan ke
pengamatan lain adalah konstan atau sama.
3.1.1 Uji normalitas
Menurut Erlina dan Mulyani 2007:103 ”Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji
statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2005:110. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan
desain grafik. Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas, demikian sebaliknya. Selain itu, dapat digunakan uji statistik Kolmogorov- Smirnov K-S, yang dijelaskan oleh Gozhali 2005:115. Bila nilai signifikan
α 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan
α 0.05 berarti distribusi data normal.
Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali 2005:110 sebagai berikut:
1 jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau
grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas,
Universitas Sumatera Utara
2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.1.2 Uji multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen Ghozali, 2005:91. Pengujian multikolinearitas dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 VIFvariance inflation factor. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Menurut Gozhali, 2005, cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu: 1
mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi,
2 menggabungkan data cross section dan time series pooling data,
3 menambah data penelitian.
3.1.3 Uji heteroskedasitas
Uji heteroskedasitas dijelaskan oleh Ghozali 2005:105 sebagai berikut: Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedasitas dan jika berbeda disebut
heteroskedasitas. Model regresi yang baik adalah yang homoskedasitas atau tidak terjadi heteroskedasitas. Kebanyakan data cross section mengandung situasi heteroskedasitas karena
data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar. Untuk mendeteksi ada tidaknya heteroskedasitas, menurut Ghozali 2005:105 dapat
dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan
Universitas Sumatera Utara
residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedasitas. Sebaliknya jika tidak ada pola yang jelas, serta
titik-titik menyebar maka tidak terjadi heteroskedasitas.
3.1.4 Uji autokorelasi
Menurut Ghozali 2005:95 ”uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 sebelumnya”.
Autokorelasi ini muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu
observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu time series karena “gangguan” pada seseorang individukelompok cenderung mempengaruhi “gangguan”
pada individukelompok yang sama pada periode berikutnya. Penggunaan program software SPSS bertujuan untuk mendeteksi apakah ada problem
autokorelasi adalah dengan melihat besaran DURBIN-WATSON, yaitu panduan mengenai angka D-W Durbin-Watson pada tabel D-X.
Pengambilan keputuan ada tidaknya autokorelasi adalah sebagai berikut: • tidak ada autokorelasi positif, jika 0 d dl,
• tidak ada autokorelasi positif, jika dl ≤ d ≤ du,
• tidak ada autokorelasi negatif, jika 4 – dl d 4, • tidak ada autokorelasi negatif, jika 4 – du
≤ d ≤ 4 – dl, • tidak ada autokorelasi, positif atau negatif, jika du d 4 – du.
Autokorelasi bisa diatasi dengan berbagai cara, misalnya dengan melakukan transformasi data dan menambah data observasi.
Universitas Sumatera Utara
3.2 Pengujian Hipotesis Penelitian 3.2.1 Analisis Regresi Berganda
