40
data dimana seluruh perusahaan yang termasuk dalam industri tekstil dan garment di PT Bursa Efek Indonesia digunakan sebagai sampel. Jumlah data yang
digunakan dengan periode pengamatan selama 5 lima tahun dari tahun 2009 sampai tahun 2014 adalah sebanyak 75 data.
3.8 Metode Pengumpulan Data
Metode pengumpulan data yang dipergunakan dalam penelitian ini adalah studi dokumentasi, yaitu: pengumpulan data dengan cara melihat informasi
laporan keuangan perusahaan tekstil dan garment tahun 2010-2014 yang ada di situs Bursa Efek Indonesia www.idx.co.id dan informasi tentang harga saham
melalui website finance.yahoo.com.
3.9 Teknik Analisis Data
Analisis data dalam penelitian ini menggunakan teknik analisis kuantitaif sehingga dapat menjelaskan permasalahan dalam penelitian ini. Analisis
pengaruh rasio-rasio keuangan pada return saham menggunakan: uji asumsi klasik, analisis regresi linier berganda, uji kelayakan model uji F dan uji
hipotesis uji t. 3.9.1 Uji asumsi klasik
Uji asumsi klasik perlu dilakukan agar regresi linier berganda bisa memberikan manfaat dengan benar, dimana model regresi yang baik adalah tidak
terjadi korelasi antar variabel bebasnya, tidak terjadi autokorelasi, tidak terjadi heteroskedastisitas dan data berdistribusi normal. Regresi linier didasarkan pada
41
Ordinary Least Square OLS atau metode kuadrat terkecil, maka ada beberapa asumsi yang harus dipenuhi untuk mendapatkan hasil prediksi yang baik BLUE:
Best Linier Unbiased Estimation. Ghozali 2012 : 143 menyebutkan asumsi dasar yang sering disebut asumsi klasik, meliputi uji multikolinearitas, uji
autokorelasi, uji heteroskedastisitas dan uji normalitas. Uji asumsi klasik dilakukan dengan bantuan komputer menggunakan software Statistical Package
for Social Science SPSS 18.0 for Windows. 1 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 bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak orthogonal
adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Multikolinearitas dapat dilihat dari a nilai tolerance dan
lawannya b variance inflation factor VIF. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas
lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance dan menunjukan adanya kolonieritas yang tinggi.
Nilai cutoff yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan VIF di atas 10 Ghozali, 2012:105-106.
2 Uji autokorelasi Uji ini mensyaratkan bahwa variabel dependen tidak berkorelasi
dengan dirinya sendiri. Untuk mendeteksi gejala autokorelasi kita
42
menggunakan uji Durbin-Watson DW. Kalau terjadi korelasi dalam variabel pada dirinya sendiri autokorelasi, maka pengaruhnya terhadap variabel Y
tidak murni bias. Autokorelasi diketahui dari nilai Durbin-Watson DW. Ketentuannya adalah sebagai berikut:
dU d DW 4-dU berarti tidak ada autokorelasi dL d DW 4-dL berarti ada autokorelasi
dL ≤ d DW ≤ dU atau 4-dU ≤ d DW ≤ 4-dL berarti tidak ada keputusan
Ghozali, 2012 : 111. 3 Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual antara satu pengamatan
dengan pengamatan lainnya. Mendeteksi ada atau tidak heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual yang telah di-studentized. Dasar analisis dari
scatterplot adalah: 1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskesiditas
Ghozali, 2012 : 139.
43
4 Uji normalitas Uji normalitas bertujuan untuk menguji apakah dalam sebuah model
regresi, variabel terganggu atau residual memiliki distribusi normal. Mendeteksi apakah residual berdistribusi normal atau tidak digunakan
analisis uji statistik. Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov K-S. Uji
K-S dilakukan dengan membuat hipotesis: H
: data residual terdistribusi normal H
a
: data residual tidak terdistribusi normal. Apabila nilai K-S diatas 0,05 maka berdistribusi normal, namun apabila
dibawah 0,05 maka tidak berdistribusi normal Ghozali, 2012 : 160-164. Setelah diketahui model regresi berganda mendapatkan hasil prediksi yang baik
atau bisa memberikan manfaat dengan benar, maka analisis selanjutnya yaitu menguji kelayakan model dan pengujian hipotesis menggunakan t-test, baru bisa
dilakukan dengan bantuan komputer menggunakan SPSS 18.0 for Windows. 3.9.2 Analisis regresi linier berganda
Analisis ini digunakan untuk mengetahui pengaruh secara simultan antara rasio likuiditas, aktivitas, profitabilitas dan leverage pada return saham yaitu
berubahnya return saham akibat perubahan rasio likuiditas, aktivitas, profitabilitas dan leverage secara serempak. Model persamaan regresi yang digunakan
Sugiyono, 2012:277: Y =
a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ ei
44
Keterangan: Y =
Return saham a
= Konstanta
b
1
= Koefisien regresi dari rasio likuiditas X
1
b
2
= Koefisien regresi dari rasio aktivitas X
2
b
3
= Koefisien regresi dari rasio profitabilitas X
3
b
4
= Koefisien regresi dari rasio leverage X
4
X
1
= Rasio likuiditas
X
2
= Rasio aktivitas
X
3
= Rasio profitabilitas
X
4
= Rasio leverage
ei = Faktor residual.
3.9.3 Analisis determinasi
Analisis determinasi digunakan untuk mengetahui seberapa besar variasi variabel rasio likuiditas, aktivitas, profitabilitas dan leverage mampu menjelaskan
variasi variabel return saham. Koefisien determinasi diketahui dari nilai R
2
dalam persentase dengan menggunakan program SPSS 18.0 for Windows.
3.9.4 Uji kelayakan model uji F
Uji F digunakan untuk menguji kelayakan model regresi yang digunakan sehingga nilai koefisien regresi secara bersama-sama dapat diketahui. Nilai
F-hitung diperoleh dari hasil regresi pada tabel Anova dengan menggunakan
45
program SPSS 18.0 for Windows. Level of significant menggunakan derajat kepercayaan 95 persen atau tingkat kesalahan 5 persen
= 0,05. Mengetahui porsi variabel terikat Y yang dapat dijelaskan oleh variasi
variabel bebas X adalah dengan melihat tingkat signifikansi pada tabel Anova kolom sign. yang terdapat dalam output SPSS 18.0 for Windows. Apabila tingkat
signifikansi F sign . F ≤ α = 0,05 maka model regresi layak digunakan,
sebaliknya apabila tingkat signifikansi F sign. F α = 0,05 maka model regresi
tidak layak digunakan. 3.9.5 Uji hipotesis t-test
Uji-t atau t-test digunakan untuk menguji apakah rasio likuiditas, aktivitas, profitabilitas dan leverage secara parsial mempunyai pengaruh yang signifikan
atau tidak pada return saham. Rumus Sugiyono, 2012:246: b
i
t =
S
bi
Keterangan: t =
Nilai t hitung bi =
Koefisien regresi parsial ke-i dari regresi sampel. S
bi
= Kesalahan standar koefisien regresi Standard error of regresion.
Langkah-langkah uji statistiknya adalah: 1 Menentukan formulasi hipotesis
Ho : b
1,2,3,4
= 0, berarti tidak ada pengaruh signifikan secara parsial antara rasio likuiditas, aktivitas, profitabilitas dan leverage pada
return saham.
46
Hi : b
1,2,3,4
0, berarti ada pengaruh positif dan signifikan secara parsial antara rasio likuiditas, aktivitas, profitabilitas dan leverage
pada return saham. 2 Menentukan level of significant
Menggunakan derajat kepercayaan 95 persen atau tingkat kesalahan 5 persen = 0,05.
3 Menentukan besarnya t-hitung Nilai t-hitung diperoleh dari hasil regresi dengan program SPSS 18.0 for
Windows. 4 Menentukan penerimaan dan penolakan Ho
Apabila tingkat signifikansi t sign. t ≤ α = 0,05 maka Ho
ditolak atau H
i
diterima, berarti pengaruh signifikan. Sebaliknya apabila tingkat signifikansi t sign. t
α = 0,05 maka Ho diterima atau H
i
ditolak, berarti pengaruh tidak signifikan.
47
BAB IV DATA DAN PEMBAHASAN HASIL PENELITIAN