Metode Analisis Data

E. Metode Analisis Data

1. Teknik Analisis

Penelitian ini menggunakan analisis regresi untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen.

Keterangan: CAR = Cumulative Abnormal return

= konstanta

= koefisien regresi ROA = Return on Asset CR

= Current Ratio DER = Debt to Equity Ratio NPM = Net Profit Margin TATO = Total Asset Turnover

e = error

2. Analisis Statistik Deskriptif

Digunakan untuk mengetahui deskripsi (gambaran) data dari suatu penelitian dengan melihat pada nilai rata-rata (mean), standar deviasi, maksimum dan minimumnya.

3. Analisis Uji Asumsi Klasik 3. Analisis Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik.

Ghozali (2006) mengatakan Test statistic yang dapat digunakan dalam uji normalitas antara lain adalah analisis grafik histogram, normal probability plots dan Kolmogorov-Smirnov test. Uji kolmogorov smirnov dipilih dalam penelitian ini karena uji ini dapat secara langsung menyimpulkan apakah data yang ada terdistribusi normal secara statistik atau tidak. Apabila nilai Z statistiknya tidak signifikan maka suatu data disimpulkan terdistribusi secara normal.

b. Uji Multikolenieritas

Multikolinearitas adalah gejala adanya hubungan linear Multikolinearitas adalah gejala adanya hubungan linear

Untuk mendeteksi ada tidaknya multikoliniearitas dalam model regresi diilakukan dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF). Sebagai dasar acuannya dapat disimpulkan:

1) Jika nilai tolerance > 0,1 dan nilai VIF < 10, maka dapat disimpulkan bahwa tidak ada multikolineritas antar variabel bebas dalam model regresi.

2) Jika nilai tolerance < 0,1 persen dan nilai VIF > 10, maka dapat disimpulkan bahwa ada multikolinaeritas antar variabel bebas dalam model regresi.

c. Uji Heteroskedastisitas

Dalam penelitian ini, uji heteroskedasitas bertujuan untuk mengetahui dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain (Ghazali, 2005 : 105). Model regresi yang baik adalah yang terjadi homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi adanya heterokedastisitas dilakukan dengan menggunakan uji Glejser.

Dengan uji Glejser nilai signifikansi diatas 0,05 berarti Dengan uji Glejser nilai signifikansi diatas 0,05 berarti

d. Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui adanya autokorelasi dalam suatu model regresi yang dilakukan melalui pengujian terhadap nilai Durbin-Watson (DW). Uji ini bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi.

Model regresi yang baik adalah yang bebas autokorelasi. Untuk menguji keberadaan autocorrelation dalam penelitian ini digunakan metode Durbin-Watson test. Pengambilan keputusan ada tidaknya dalam uji Durbin-Watson test adalah sebagai berikut:

TABEL III.1

PENGAMBILAN KEPUTUSAN UJI DURBIN-WATSON

Nilai Statistik d

Hasil

0<d<d L

d L ≤d≤d U

d U ≤ d ≤ 4-d U

4-d U ≤ d ≤ 4-d L 4-d L ≤ d ≤4

Menolak hipotesis nol; ada autokorelasi positif Daerah keragu-raguan; tidak ada keputusan Menerima hipotesis nol; tidak ada autokorelasi positif/ negatif Daerah keragu-raguan; tidak ada keputusan Menolak hipotesis nol; ada autokorelasi negative

4. Analisis Regresi Berganda

Pada model penelitian ini model analisis regresi berganda digunakan untuk mengevaluasi dan mengetahui kontribusi pengaruh setiap variabel yang diteliti terhadap abnormal return saham manufaktur secara parsial maupun simultan sesuai dengan yang dihipotesiskan.

a. Uji Koefisien Determinasi (Uji R 2 )

Nilai R Square merupakan angka yang penting dalam model regresi karena angka ini menunjukkan baik atau tidaknya model regresi yang kita peroleh. Nilai R Square menunjukkan seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai Adjusted R Square berkisar antara 0 < R2 < 1. Semakin besar nilai Adjusted R Square (mendekati 100%) semakin baik model regresi tersebut.

b. Uji F-Statistik

Pengujian hipotesis secara simultan (Uji-F) pada dasarnya Pengujian hipotesis secara simultan (Uji-F) pada dasarnya

1) Bila nilai F lebih besar daripada 4 maka Ho ditolak pada derajat kepercayaan 5%, dengan kata lain menerima hipotesis alternatif yang menyatakan bahwa semua variabel independen secara simultan dan signifikan mempengaruhi variabel dependen.

2) Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada F tabel, maka Ho ditolak dan Ha diterima.

c. Uji t- Statistik

Pengujian hipotesis secara parsial (Uji t) dipakai untuk melihat signifikansi variabel independen secara individu terhadap variabel dependen dengan menganggap variabel independen yang lain bersifat konstan. Adapun hipotesis dilakukan sebagai berikut:

1) Untuk H 1, H 2, H 4, H 5 Hipotesisnya:

Ha 1 = ROA berpengaruh positif terhadap cumulative

abnormal return saham. Ha 2 = CR berpengaruh positif terhadap cumulative abnormal

return saham. Ha 4 = NPM berpengaruh positif terhadap cumulative return saham. Ha 4 = NPM berpengaruh positif terhadap cumulative

a) Jika probabilitas > 0,05 dan koefisien tidak positif maka Ha tidak diterima

b) Jika probabilitas ≤ 0,05 dan koefisien positif maka Ha diterima

2) Untuk H 3 Hipotesisnya:

Ha 3 = DER berpengaruh negatif terhadap cumulative

abnormal return saham. Pengambilan keputusan:

a) Jika probabilitas > 0,05 dan koefisien tidak negatif

maka Ha tidak diterima

b) Jika probabilitas ≤ 0,05 dan koefisien negatif maka

Ha diterima