48
besar yang mengakibatkan standar errornya semakin besar pula. Cara yang digunakan untuk mendeteksi ada tidaknya multikoliniearitas adalah dengan
menggunakan Variance Inflation Factors VIF,
VIF = Sumber: Gujarati 2004: 351
Dimana R
i 2
adalah koefisien determinasi yang diperoleh dengan meregresikan salah satu variabel bebas Xi terhadap variabel bebas lainnya. Jika
nilai VIF nya kurang dari 10 maka dalam data tidak terdapat multikolinieritas Gujarati, 2004: 362.
3. Uji Heteroskedastisitas Situasi heteroskedastisitas akan menyebabkan penaksiran koefisien-
koefisien regresi menjadi tidak efisien dan hasil taksiran dapat menjadi kurang atau melebihi dari yang semestinya. Dengan demikian, agar koefisien-koefisien
regresi tidak menyesatkan, maka situasi heteroskedastisitas tersebut harus dihilangkan dari model regresi.
Untuk menguji ada tidaknya heteroskedastisitas digunakan uji-Glejser yaitu dengan mengregresikan masing-masing variabel bebas terhadap nilai
absolut dari residual. Jika nilai koefisien regresi dari masing-masing variabel bebas terhadap nilai absolut dari residual error ada yang signifikan, maka
kesimpulannya terdapat heteroskedastisitas varian dari residual tidak homogen Gujarati, 2004: 406.
49
Selain itu, dengan menggunakan software IBM SPSS Statistics 19, heteroskedastisitas juga bisa dilihat dengan melihat grafik scatterplot antara
nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SDRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang
teratur, maka telah terjadi heteroskedastisitas. Sebaliknya, jika tidak membentuk pola tertentu yang teratur, maka tidak terjadi heteroskedastisitas.
4. Uji Autokorelasi Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur
berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari observasi yang satu dipengaruhi oleh error dari observasi yang sebelumnya.
Akibat dari adanya autokorelasi dalam model regresi, koefisien regresi yangdiperoleh menjadi tidak efisien, artinya tingkat kesalahannya menjadi
sangat besar dan koefisien regresi menjadi tidak stabil. Untuk menguji ada tidaknya autokorelasi, dari data residual terlebih
dahulu dihitung nilai statistik Durbin-Watson D-W:
−
=
∑
e
−
e
∑
e
Sumber: Gujarati 2004: 467 Kriteria uji: Bandingkan nilai D-W dengan nilai d dari tabel Durbin-
Watson: 1 Jika D-W dL atau D-W 4 – dL, kesimpulannya pada data tersebut
terdapat autokorelasi
50
2 Jika dU D-W 4 – dU, kesimpulannya pada data tersebut tidak terdapat autokorelasi
3 Tidak ada kesimpulan jika : dL D-W dU atau 4 – dU D-W 4 – dL Sumber: Gujarati 2004: 470
Apabila hasil uji Durbin-Watson tidak dapat disimpulkan apakah terdapat autokorelasi atau tidak maka dilanjutkan dengan runs test.
3.2.5.1.2 Analisis Regresi Linier Berganda
Menurut Sugiyono 2012:149 menyatakan bahwa: “Analisis linear regresi digunakan untuk melakukan prediksi bagaimana
perubahan nilai variable dependent bila niai variable independent dinaikan atau diturunkan nilainya dimanipulasi”.
Dalam penelitian ini, analisis regresi linier berganda digunakan untuk membuktikan sejauh mana hubungan pengaruh rasio Pengembalian Aktiva ROA
dan rasio Harga per Nilai Buku PBV terhadap Pengembalian Saham. Persamaan analisis regresi linier berganda sebagai berikut:
= +
+
Sumber: Nazir 2006:436 Dimana:
Y = Variabel Pengembalian Saham X
1
= Variabel ROA X
2
= Variabel PBV a = konstanta intersep
b
1
= angka arah atau koefisiensi regresi Pengembalian Aktiva ROA yang menunjukan angka peningkatan atau penurunan variabel dependent yang
didasarkan variabel independent. Bila b+ positif maka naik sedangkan b- negatif maka terjadi penurunan.
b
2
= angka arah atau koefisiensi regresi Harga per Nilai Buku PBV yang menunjukan angka peningkatan atau penurunan variabel dependent yang
51
didasarkan variabel independent. Bila b+ positif maka naik sedangkan b- negatif maka terjadi penurunan.
Sebelum mencari nilai-nilai a b
1
dan b
2
maka terlebih dahulu menghitung nilai rata-rata X dan Y dengan rumus sebagai berikut:
=
∑
∑
2 =
∑
2
−
. 2
∑
2 =
∑
2
−
. 2
Setelah dilakukan perhitungan nilai rata-rata di atas, maka setelah itu dapat dicari nilai-nilai a
, b
1
dan b
2
dengan menggunakan rumus persamaan metode kuadrat terkecil adalah sebagai berikut :
1 =
∑
1
2 =
∑
2
∑
1 =
∑
1
−
. 1
∑
1 =
∑
1
−
. 1
∑
2 2 =
∑
1 2
−
. 1 2
52
=
∑
1
∑
2
− ∑
1 2
∑
1
∑
1
∑
2
− ∑
1 2
Sumber: Nazir 2003:463 1. Analisis Korelasi Pearson
Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi hubungan linear antara dua variabel. Korelasi juga tidak menunjukan hubungan fungsional.
Dengan kata lain, analisis korelasi tidak membedakan antara variabel dependen dengan variabel independen. Dalam analisis regresi, analisis korelasi yang
digunakan juga menunujukan arah hubungan antara variabel dependen dengan variabel independen selain mengukur kekuatan asosiasi hubungan.
Sedangkan untuk mencari koefisien korelasi antara x1 dan y, x2 dan y, x1 dan x2 adalah sebagai berikut:
=
∑ ∑
.
∑
=
∑ ∑
.
∑
=
−
1 1
−
2 2
=
∑
2
∑
1
− ∑
1 2
∑
2
∑
1
∑
2
− ∑
1 2
53
=
∑ ∑
.
∑
Pengujian ini dilakukan untuk mengetagui tingkat signifikansi hubungan parsial dari masing – masing variabel independen terhadap variabel dependen. Hal
ini yang pertama kali harus dilakukan adalah menentukan koefisiensi korelasi parsial untuk masing – masing variabel bebas yang ditentukan dengan rumus
sebagai berikut: Koefisien korelasi parsial antara X
1
dengan Y, bila X
2
dianggap konstan
=
−
. 1
−
1
−
Koefisien korelasi parsial antara X
2
dengan Y, bila X
1
dianggap konstan.
=
−
. 1
−
1
−
Korelasi secara simultan antara X
1
ROA dan X
2
PBV terhadap Y Pengembalian Saham dengan rumus sebagai berikut :
= +
−
2 .
. 1
−
54
Koefisien korelasi r menunjukan derajat korelasi antara variabel X dan Y. Angka korelasi berkisar antara 0 sampai dengan 1. Kuat atau lemahnya
hubungan kedua variabel ditentukan oleh besarnya kecilnya angka korelasi. Untuk dapat memberi interpretasi terhadap seberapa kuat hubungan itu maka digunakan
pedoman seperti tertera pada tabel sebagai berikut:
Tabel 3.4 Interprestasi Nilai r
Interprestasi Nilai r
00.00 – 0.199
Sangat rendah
0.20 – 0.399
Rendah
0.40 – 0.599 Hubungan cukup
0.60 – 0.799 Kuat
0.80 – 1.00
Sangat kuat Sumber: Husial U. Pengantar Statistik, Jakarta 2000:201
2. Koefisien Determinasi Menurut Kuncoro 2001:100 menyatakan bahwa:
“Koefisien determinasi Kd pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai
koefisien diterminasi adalah antara nol 0 dan satu 1. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dala menjelaskan
variasi variabel dependen amat terbatas nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen”.
Untuk mencari besarnya pengaruh yang ditimbulkan oleh variabel bebas terhadap tak bebas digunakan koefisien diterminan dengan rumus sebagai berikut:
Kd = r
2
x 100
Diamana: Kd = Koefisien determinasi
r = koefisien korelasi
55
3.2.5.2 Pengujian Hipotesis
Menurut Andi Supangat 2007:293 yang dimaksud dengan pengujian hipotesis
adalah salah
satu cara
dalam statistika
untuk menguji
“parameter”populasi berdasarkan statistik sampelnya, untuk dapat diterima atau ditolak pada tingkat signifikansi tertentu. Pada prinsipnya pengujian hipotesis ini
adalah membuat kesimpulan sementara untuk melakukan penyanggahan dan atau pembenaran dari masalah yang akan ditelaah. Sebagai wahana untuk menetapkan
kesimpulan sementara tersebut kemudian ditetapkan hipotesis nol dan hipotesis alternatifnya. Langkah-langkah dalam analisisnya sebagai berikut :
1. Pengujian Secara Simultan
Melakukan uji F untuk mengetahui pengaruh seluruh variable bebas secara simultan terhadap variable terikat.
a. Uji F Jika nilai r 2 telah diketahui selanjutnya akan diuji apakah nilai koefisien
diterminasi mempunyai pengaruh yang signifikan atau tidak. Uji F ini digunakan secara simultan untuk menguji seberapa besar variabel independen
terhadap variabel dependen. b. Adapun hipotesis yang diuji sebagai berikut :
H0 ; β1 = β2 = 0, Rasio Pengembalian Aktiva ROA dan rasio Harga per
Nilai Buku PBV secara simultan berpengaruh terhadap Pengembalian Saham
56
H1 ; β1 ≠ β2 ≠ 0, Rasio Pengembalian Aktiva ROA dan Rasio Harga per
Nilai Buku PBV secara simultan tidak berpengaruh terhadap Pengembalian Saham
Nilai f hitung dicari dengan menggunakan persamaan sebabagi berikut :
= 2
− −
1
Dimana :
=
∑
+
∑ dan
= [
− ∑
−
Nilai F hitung dibandingkan dengan nilai f table berdasarkan tingkat signifikansi a = 5 dan derajat kebebasan pembilang = k dan derajat kebebasan
penyebut = n-k-1. Kriteria hipotesis secara simultan adalah sebagai berikut: Apabila F hitung positif + maka :
H : F
Hitung
F
Tabel
maka H ditolak
H
1
: F
Hitung
F
Tabel
maka H
1
diterima
2. Pengujian Secara Parsial
Melakukan uji t untuk menguji pengaruh masing-masing variabel bebas terhadap variable terikat, hipotesisnya sebagai berikut :
57
a. Pengaruh Pengembalian Aktiva ROA terhadap Pengembalian Saham H
1 ; β
1
= 0, Pengembalian Aktiva ROA tidak berpengaruh signifikan terhadap Pengembalian Saham.
H
1
1 ; β
1
≠ 0, Pengembalian Aktiva ROA berpengaruh signifikan terhadap Pengembalian Saham.
b. Pengaruh Harga per Nilai Buku PBV terhadap Pengembalian Saham H
2 ; β
2
= 0 Harga per Nilai Buku PBV tidak berpengaruh signifikan terhadap Pengembalian Saham
H
1
2 ; β
2
≠ 0, Harga per Nilai Buku PBV berpengaruh signifikan terhadap Pengembalian Saham
Nilai t
hitung
dapat dicari dengan persamaan sebagai berikut :
=
− −
1 1
−
Dan
=
− −
1 1
− Kriteria dari pengujian hipotesis secara parsial adalah sebagai berikut :
Apabila t hitung positif + maka : a. jika nilai t
hitung
t
tabel
maka H diterima, H
1
ditolak b. jika nilai t
hitung
t
tabel
maka H ditolak, H
1
diterima Apabila t hitung negatif - maka:
a. jika nilai t
hitung
t
tabel
maka H ditolak, H
1
diterima b. jika nilai t
hitung
t
tabel
maka H diterima, H
1
ditolak
