lii Selain data yang telah disebut di atas, penulis juga menggunakan data
kepustakaan yang berkaitan dengan judul skripsi untuk mendukung penelitian antara lain jurnal-jurnal, buku-buku, dan artikel-artikel baik yang berasal dari
media cetak maupun website.
D. Metode Analisis Data
1. Statistik deskriptif
Ghozali,2005 Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar
deviasi, maksimum, dan minimum.
2. Uji Normalitas
Ghozali 2005:110 uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi normal.
Menurut Ghozali,2005:110 Untuk mendeteksi normalitas dapat dilakukan dengan cara:
a. Melihat grafik histogram, yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Cara ini mempunyai
kelemahan khususnya untuk data yang jumlah sampelnya kecil. b. Melihat normal probability plot yang menggambarkan distribusi
kumulatif dari distribusi normal. Jika data menyebar di sekitar garis diagonal, maka model regresi memenuhi normalitas.
3. Uji Asumsi Klasik
liii Ghozali 2005:82 mengatakan: “Model regresi yang diperoleh dari
metode kuadrat terkecil biasa Ordinary least square merupakan model regresi yang menghasilkan estimator linier yang bias yang terbaik Best
linear Unbias EstimatorBLUE . Kondisi ini akan terjadi jika dipenuhi
beberapa asumsi yang dengan asumsi klasik.
a. Uji Multikolinearitas
Multikolinearitas berarti adanya hubungan linier yang kuat antar variabel bebas yang satu dengan yang lain dalam model regresi. Model
regresi yang baik adalah yang tidak memiliki korelasi linierhubungan yang kuat antara variabel bebasnya. Jika dalam model regresi terdapat
gejala multikolinearitas, maka model regresi tersebut tidak dapat menaksir secara tepat sehingga diperoleh kesimpulan yang salah
tentang variabel yang diteliti. Pengujian gejala multikolinearitas dengan cara mengkorelasikan
variabel bebas yang satu dengan variabel bebas yang lain dengan menggunakan program SPSS for Windows.
Untuk medeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut :
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel
independen banyak yang tidak signifikan mempengaruhi variabel dependen.
liv 2
Melihat nilai 1 tolerance dan lawannya 2 variance inflation factor VIF. Jika nilai VIF0,10 atau VIF10 maka model
regresi terjadi multikolinearitas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lainnya. Jika variance dari pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas dan jika berbeda maka
terjadi heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas.
Untuk mendeteksi ada atau tidaknya gejala Heteroskedastisitas pada model regresi dapat dilakukan dengan cara melihat gambar
scatterplot atau dengan melakukan pengujian secara statistik uji park,
uji glejser. Pada penelitian ini, pengujian heteroskedastisitas dilakukan dengan
pengujian statistik agar didapatkan hasil yang lebih akurat dan mendetail yaitu dengan Uji Park. Menurut Ghozali 2005:107
penggunaan uji statistik akan dapat lebih menjamin keakuratan hasil. Selain itu, dengan menggunakan uji statistik kita akan dapat melihat
variabel mana yang terkena gejala heteroskedastisitas yang mana hal ini tidak dapat dilakukan jika menggunakan analisis grafik plots.
lv Uji Park dilakukan dengan meregresikan nilai residual yang telah
dikuadratkan dan ditranformasi kedalam bentuk logaritma natural sebagai variabel dependen terhadap variabel independen.
Persamaan Uji Park adalah sebagai berikut: LnU2i = a +
1
x
1
+
2
x
2
+
3
x
3
+
4
x
4
+
5
x
5
+ e Apabila koefisien parameter beta dari persamaan regresi tersebut
signifikan secara statistik pada tingkat signifikansi 0,05, hal ini menunjukkan bahwa terdapat gejala heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan
kesalahan penggangu pada periode t-1 sebelumnya. Jika korelasi muncul terjadi korelasi, maka aka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan
pada data runtut waktu time series karena “gangguan” pada individukelompok cenderung mempengaruhi “gangguan” pada
individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang terbebas dari masalah autokorelasi. Pada
penelitian ini, pengujian untuk mendeteksi apakah di dalam model regresi terdapat gejala autokorelasi dilakukan dengan uji Runs Test dan
Langrange Multiplier Test untuk data observasi lebih dari 100.
lvi Jika ada masalah autokorelasi, maka model regresi yang
seharusnya signifikan dilihat angka F dan signifikannya, menjadi tidak layak untuk dipakai Uji F uji secara simultan.
4. Uji hipotesis
Uji signifikansi keseluruhan variabel secara serentak ditunjukkan oleh bilangan F F-test, sedangkan uji signifikansi terhadap kontribusi
masing-masing variabel terikat ditunjukkan oleh besarnya bilangan t t- test
.
a. Uji koefisien determinasi adjusted R
2
Uji koefisien determinasi dilakukan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi berkisar antara nol dan satu. Koefisien determinasi dapat dilihat dari nilai R
2
atau adjusted R
2
. penulis memilih untuk melihat nilai adjusted R
2
sebagai acuan untk melihat seberapa jauh variasi variabel independen menerangkan variasi
variabel dependen. Menurut Ghozali,2005:83 banyak peneliti yang menganjurkan untuk menggunakan nilai adjusted R
2
pada saat mengevaluasi mana model regresi yang terbaik.. Tidak seperti R
2
, nilai adjusted R
2
dapat naik atau turun apabila satu variabel ditambahkan kedalam model.
b. Uji Signifikansi Simultan Uji Statistik F
lvii Uji signifikansi simultan F pada dasranya menunjukkan apakah
semua variabel independen yang dimasukkan dalam model mempunyai pengaruh yang signifikan secara bersama-sama terhadap variabel
dependen. Untuk menguji hipotesis ini digunakan statistik F dengan kriteria
pengambilan keputusan sebagai berikut : 1
Quick look : bila nilai F lebih besar daripada 4 maka Ha diterima
pada tingkat derajat kepercayaan 5. Dengan kata lain semua variabel independen secara bersama-sama berpengaruh signifikan
terhadap variabel dependen. 2
Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F
tabel, maka Ha diterima.
c. Uji Signifikansi Parameter Individual Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi
variabel dependen. Untuk menguji hipotesis ini digunakan statistik t dengan kriteria
pengambilan keputusan sebagai berikut : 1
Quick look : bila jumlah degree of freedom df adalah 20 atau
lebih pada derajat kepercayaan 5 dan nilai t lebih besar dari 2 secara absolut, maka Ha bisa diterima yang menyatakan bahwa
lviii variabel independen secara parsial berpengarug secara signifikan
terhadap variabel dependen. 2
Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi
dibandingkan nilai t tabel, maka Ha diterima.
5. Analisis Regresi Berganda
Karena variabel bebas yang diteliti lebih dari satu maka penelitian ini menggunakan model regresi linier berganda untuk membentuk hubungan
antar variabel terikat dan variabel bebas. Regresi linier berganda ini menggunakan tingkat keyakinan Signifikansi sebesar = 5.
Dalam penelitian ini akan dibuat dua persamaan Regresi Linier berganda untuk menguji pengaruh beberapa variabel independen dengan
dua variabel dependen yaitu 1 Return saham capital gain, dan 2 Return saham dividen tunai.
Y
1
= a +
1
x
1
+
2
x
2
+
3
x
3
+
4
x
4
+
5
x
5
+ e Y
2
= a +
1
x
1
+
2
x
2
+
3
x
3
+
4
x
4
+
5
x
5
+ e Di mana :
a = konstanta
1
…
5
= koefisien regresi untuk x
1
… x
5
x
1
= Arus Kas Operasi
x
2
= Arus Kas Investasi
x
3
= Arus Kas Pembiayaan
x
4
= Tingkat Inflasi
lix
x
5
= Nilai tukar rupiah terhadap dollar Amerika
Y
1
= Return saham capital gain Y
2
= Return
saham dividen tunai
E. DEFINISI OPERASIONAL VARIABEL
Pada penilitian terdapat lima variabel independen yang akan diuji terhadap dua variabel dependen. Variabel indepeden yang digunakan antara
lain, Arus Kas Operasi, Arus Kas Investasi, Arus Kas Pembiayaan, Tingkat Inflasi, dan Nilai Tukar Rupiah. Variabel dpenden yang digunakan adalah
Return Saham berupa Capital Gain dan Dividen Tunai.
1. Variabel independen
a. Arus Kas Operasi
Arus Kas Operasi merupakan jumlah kas yang tersedia atas aktivitas operasi perusahaan. Meliputi meliputi pengaruh kas dari
transaksi yang digunakan untuk menentukan laba bersih. Variabel ini diukur dengan nilai arus kas yang disediakan oleh aktivitas operasi
perusahaan yang diambil dari data Laporan Arus Kas perusahaan.
b. Arus Kas Investasi
Arus Kas Investasi merupakan jumlah kas yang tersedia atas aktivitas investasi perusahaan. Meliputi pemberian dan penagihan
pinjaman serta perolehan dan pelepasan investasi baik hutang mapun ekuitas serta properti, pabrik, dan peralatan. Variabel ini diukur
