14 melihat ada tidaknya pola tertentu yang tergambar pada scatterplot diagram
pencar. Hasil olah data menunujukkan tidak terjadi heteroskedastisitas pada model
regresi linear berganda, maka pada diagram pencar terdapat titik-titik yang tidak membentuk pola yang jelas, sehingga dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas dalam model regresi. Hasil diagram pencar dimuat pada Lampiran 3
. 3 Uji Autokorelasi
Uji autokorelasi dalam suatu model bertujuan mengetahui ada tidaknya korelasi antara peubah bebas satu dengan peubah bebas lainnya. Cara
mendeteksi autokorelasi dapat dilakukan dengan uji Durbin-Watson. Model regresi linear berganda terbebas dari autokorelasi, jika nilai Durbin-Watson
hitung terletak di daerah No Autocorelation, yaitu mendekati atau di sekitar angka dua 2. Penentuan letak tersebut dibantu dengan instrumen dl dan du,
dengan nilai k jumlah peubah bebas.
Hasil olah data diperoleh pada Lampiran 4 dengan nilai Durbin-Watson 2,304, sehingga dapat dikatakan tidak terjadi autokorelasi dalam model regresi
tersebut. 4 Uji Multikolinieritas
Uji multikolinieritas dapat menghindari bias dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing peubah
independent terhadap peubah dependent. Multikolinieritas diuji dengan melihat nilai VIF yang tidak lebih dari 10 dan Tolerance tidak kurang dari 0,10, maka
model dapat dikatakan terbebas dari multikolinieritas. Hasil olahan data diperoleh pada Lampiran 5. Hasil olah data menunjukkan nilai VIF masing-
masing peubah memiliki nilai VIF yang tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,10.
2. Persamaan Regresi Linear Berganda
Kinerja keuangan menjadi peubah independent atau bebas X yang terdiri dari lima 5 rasio keuangan yaitu EPS X
1
, DER X
2
, PER X
3
, ROI X
4
dan ROE X
5
. Peubah return saham menjadi peubah dependent atau terikat Y yang dapat dipengaruhi oleh peubah lainnya. Untuk mengetahui pengaruh
peubah kinerja keuangan terhadap peubah return saham dan mengetahui peubah yang paling dominan dalam memengaruhi return saham Perusahaan Asuransi
XYZ, dilakukan analisis regresi linear berganda, Uji F dan Uji t.
Analisis regresi linear berganda digunakan untuk mengetahui seberapa besar peubah kinerja keuangan sebagai peubah bebas dapat memengaruhi
peubah return saham sebagai peubah terikat. Untuk melihat seberapa besar peubah bebas dapat dijelaskan oleh peubah terikat pada regresi linear berganda
menggunakan R square yang tertulis Adjusted R Square yang terletak pada Model Summary Lampiran 6. Berdasarkan output SPSS hasil Adjusted R Square
yang diperoleh 0,757. Hal ini menunjukkan bahwa terdapat pengaruh peubah kinerja keuangan X terhadap peubah return saham Y 75,7 atau sisanya
24,3 dijelaskan oleh peubah lain di luar peubah yang diteliti. Hal tersebut dapat dilihat pada Lampiran 6.
15 Berdasarkan output data hasil olahan SPSS pada kolom coefficients b
Lampiran 5 diperoleh model regresi linear berganda berikut : Ŷ = 0,902 + 2,994 X
1
+ 0,983 X
2
+ 1,028 X
3
+ 36,072 X
4
– 17,856 X
5
Dari hasil olahan data yang diperoleh, maka model regresi linear berganda tersebut dapat diinterpretasikan sebagai berikut :
1 Peubah X
4
ROI memiliki nilai koefisien paling besar 36,072 dengan satuannya rasio, sehingga ROI dapat menentukan pentingnya pengaruh
kinerja keuangan terhadap return saham. 2 Peubah X
5
ROE memiliki nilai koefisien 17,856 dengan satuannya rasio, sehingga ROE dapat menentukan pentingnya pengaruh kinerja keuangan
terhadap return saham. 3 Peubah X
1
EPS memiliki nilai koefisien 2,994 dengan satuannya rupiah, sehingga EPS harga saham dapat menentukan pentingnya pengaruh kinerja
keuangan terhadap return saham. 4 Peubah X
3
PER memiliki nilai koefisien 1,028 dengan satuannya persen, sehingga PER dapat menentukan pentingnya pengaruh kinerja keuangan
terhadap return saham. 5 Peubah X
2
DER memiliki nilai koefisien 0,983 dengan satuannya persen, sehingga DER dapat menentukan pentingnya pengaruh kinerja keuangan
terhadap return saham. Pada perhitungan regresi linear berganda digunakan taraf nyata alpha 10
atau 0,10, karena data yang digunakan merupakan data sekunder dan dianggap tidak memiliki ketelitian tinggi. Data sekunder diperoleh dari pihak perusahaan,
surat kabar, internet dan studi literatur melalui buku, jurnal, skripsi dan data statistik. Data ini tidak memerlukan peralatan canggih, sehingga tidak memiliki
ketelitian tinggi.
Untuk dapat membaca koefisien regresi yang dimiliki oleh peubah bebas dapat digunakan kolom t dengan membandingkan nilai nyata t hitung lebih besar
dari alpha yang ditetapkan 0,10. Jika diperoleh nilai nyata t t
α2,n-2
, maka terdapat pengaruh X terhadap Y.
1 Peubah X
1
EPS memiliki tingkat nyata t hitung 0,064 dengan taraf alpha 0,10. Jika nilai nyata t
t
α2,n-2
, maka peubah EPS tidak berpengaruh nyata terhadap peubah return saham.
2 Peubah X
2
DER memiliki tingkat nyata t hitung 0,695 dengan taraf alpha 0,10. Jika nilai nyata t
t
α2,n-2
, maka peubah DER tidak berpengaruh nyata terhadap peubah return saham.
3 Peubah X
3
PER memiliki tingkat nyata t hitung 0,048 dengan taraf alpha 0,10. Jika nilai nyata t
t
α2,n-2
, maka peubah PER berpengaruh nyata terhadap peubah return saham.
4 Peubah X
4
ROI memiliki tingkat nyata t hitung 0,635 dengan taraf alpha 0,10. Jika nilai nyata t
t
α2,n-2
, maka peubah ROI tidak berpengaruh nyata terhadap peubah return saham.
5 Peubah X
5
ROE memiliki tingkat nyata t hitung 0,682 dengan taraf alpha 0,10. Jika nilai nyata t
t
α2,n-2
, maka peubah ROE tidak berpengaruh nyata terhadap peubah return saham.
