5 β
4
sebesar 0,4305 menunjukkan bahwa setiap kenaikan arus kas dari aktivitas pendanaan sebesar 1 akan diikuti oleh kenaikan harga
saham sebesar 0,4305 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square
adalah 0 sampai dengan 1. Apabila nilai R square semakin mendekati 1, maka variabel-variabel independen memberikan semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R
square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun
variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.11 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Universitas Sumatera Utara
Model Summary
b
.921
a
.848 .835
.38054 2.269
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, LG10_AKP, LG10_AKI, LG10_AKO, LG10_LA a.
Dependent Variable: LG10_HS b.
Sumber : Data yang diolah penulis, 2010. Pada model summary, nilai koefisien korelasi R sebesar 0,921 yang
berarti bahwa korelasi atau hubungan antara harga saham LG10_HS dengan variabel independennya LG10_LA, LG10_AKO, LG10_AKI dan
LG10_AKP kuat karena berada diatas 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,835. Hal ini berarti 83,5 variasi atau
perubahan dalam harga saham dapat dijelaskan oleh variasi dari arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari
aktivitas pendanaan, sedangkan sisanya 16,5 dijelaskan oleh sebab- sebab lain. Standar Error of Estimate SEE adalah 0,38054, yang mana
semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian Hipotesis
