Tabel 4.6.
Sumber data: Hasil analisa SPSS
Dari tabel model summary diatas diketahui nilai D-W sebesar 1.488, sedangkan alat deteksi yang dijadikan acuan angka D-W di bawah –2 sampai +2
berarti tidak ada autokorelasi, maka dapat dinyatakan tidak terdapat autokorelasi antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi
memenuhi persyaratan asumsi klasik tentang autokorelasi.
2. Multikoliniearitas
Pada hasil analisa data yang diperoleh melalui uji asumsi klasik dengan menggunakan multikolinearitas dapat diketahui melalui tabel sebagai berikut:
Tabel 4.7.
Sumber data: Hasil analisa SPSS
Dari tabel koefisien diatas diketahui nilai multikolinear untuk ROE X
1
Coefficients
a
35,450 74,308
,477 ,635
2,451 ,683
,190 3,589
,001 ,621
1,610 2,188
,410 ,386
5,333 ,000
,332 3,010
15,983 4,191
,222 3,814
,000 ,512
1,952 1,848
,417 ,313
4,430 ,000
,348 2,875
Constant ROE x1
EPS x2 DER x3
PER x4 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
dalam VIF sebesar 1.610 sedangkan toleransinya sebesar 0.621 hal ini menunjukkan nilai VIF dan toleransi masih kurang dari 10, maka dapat
Model Summary
b
.950
a
.903 .896
562.698 1.488
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, PER x4, ROE x1, EPS x2, DER x3 a.
Dependent Variable: Y b.
dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi memenuhi persyaratan asumsi
klasik tentang multikolinearitas. Untuk nilai multikolinear EPS X
2
Untuk nilai multikolinear DER X dalam VIF sebesar 3.010 dan nilai
toleransinya sebesar 0.332 hal ini menunjukkan nilai VIF dan toleransi masih kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara
variabel bebas terhadap variabel terikat. Dengan demikian model regresi memenuhi persyaratan asumsi klasik tentang multikolinearitas.
3
Untuk nilai multikolinear PER X dalam VIF sebesar 1.952 dan nilai
toleransinya sebesar 0.512 hal ini menunjukkan nilai VIF dan toleransi masih kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara
variabel bebas terhadap variabel terikat. Dengan demikian model regresi memenuhi persyaratan asumsi klasik tentang multikolinearitas.
4
dalam VIF sebesar 2.875 dan nilai toleransinya sebesar 0.348 hal ini menunjukkan nilai VIF dan toleransi masih
kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi
memenuhi persyaratan asumsi klasik tentang multikolinearitas.
3. Heteroskedastisitas
Uji heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke
pengamatan lain tetap maka disebut homokedastisitas. Jika varian berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas Santoso, 2002:208. Untuk mendeteksi ada tidaknya heteroskedastisitas dalam model regresi bisa dilihat dari pola yang terbentuk pada
titik-titik yang terdapat pada grafik scaterplot dan dengan menghitung korelasi Rank Spearmen.
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini diidentifikasi dengan cara menghitung korelasi Rank Spearman antara
residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah : rs = 1 – 6
Dimana: di = Perbedaan dalam rank yang ditepatkan untuk dua karakteristik yang berbeda
dari individual atau fenomena ke-i. N = Banyaknya individual atau fenomena yang di rank.
Tabel 4.8 Nonparametic Correlations
Sumber data: Hasil analisa SPSS
Correlations
1.000 .843
-.523 .289
. .007
.000 .025
60 60
60 60
.843 1.000
-.289 .371
.007 .
.025 .004
60 60
60 60
-.523 -.289
1.000 -.085
.000 .025
. .520
60 60
60 60
.289 .371
-.085 1.000
.025 .004
.520 .
60 60
60 60
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
ROE EPS
DER PER
Spearmans rho ROE
EPS DER
PER
Correlation is significant at the 0.01 level 2-tailed. .
Correlation is significant at the 0.05 level 2-tailed. .
Lebih lanjut menurut Santoso 2002:210 dasar pengambilan keputusan adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian
menyempit maka telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di
bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. c. Berdasarkan hasil pengujian heteroskedastisitas diketahui bahwa titik-titik
yang terbentuk pada grafik scaterplot tidak membentuk pola yang jelas serta tersebar di atas dan di bawah angka 0 pada sumbu Y sehingga dapat
diambil kesimpulan bahwa model regresi yang digunakan bebas heteroskedastisitas.
Gambar 4.2. Diagram Pancar Residual
Sumber data: Hasil analisa SPSS
Berdasarkan hasil pengujian heteroskedastisitas diketahui bahwa titik-titik yang terbentuk pada grafik scaterplot tidak membentuk pola yang jelas serta
4 3
2 1
-1 -2
Regression Standardized Predicted Value
4 2
-2 Regressi
on Student
ized Resi
dual Dependent Variable: Harga Saham
Scatterplot
tersebar di atas dan di bawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa model regresi yang digunakan bebas heteroskedastisitas.
Dari pendeteksian adanya pelanggaran terhadap asumsi-asumsi klasik diatas dapat disimpulkan bahwa regresi sudah tidak terdapat estimator-estimator
yang bias atau sudah memenuhi kriteria BLUE Best Linear Unbiased Estimator.
4.3.2. Koefisien Determinasi
Tabel 4.9.
Untuk mengetahui besar persentase variasi variabel terikat yang dapat dijelaskan oleh variasi variabel bebas, maka dicari nilai R
2
. Dari tabel 4.9 diperoleh nilai R
2
atau nilai koefisien determinasi sebesar 0.903 atau 90.3. hal ini berarti 90.3 variasi harga saham bisa dijelaskan oleh variasi dari keempat
variabel bebas yaitu Return On Equity, Earning Per Share, Debt to Equity Ratio, dan Price Earning Ratio
sedangkan sisanya sebesar 9.7 dijelaskan oleh sebab-
sebab lain diluar model.
4.3.3. Pengujian Hipotesis
Hasil dari dokumentasi data perusahaan yang dikumpulkan dan setelah itu ditabulasi kemudian diolah melalui analisa regresi linier berganda dengan bantuan
program SPSS. Berdasarkan pertimbangan hasil regresi linier berganda yang
Model Summ ary
,950
a
,903 ,896
562,698 ,903
129,631 4
56 ,000
Model 1
R R Square
Adjust ed R Square
St d. E rror of the Es timate
R Square Change
F Change df1
df2 Sig. F Change
Change St atist ics
Predic tors: Constant, PER x4, ROE x 1, DER x 3, E PS x2 a.
selengkapnya bisa dilihat pada lampiran, maka dapat dijelaskan pengaruh ROE X
1
, EPS X
2
, DER X
3
, PER X
4
, terhadap Harga Saham Y dengan pengujian hipotesa, melalui analisis sebagai berikut:
a. Analisa Regresi Linier Berganda
Dari hasil analisa regresi linier berganda yang akan dihitung disini adalah untuk mengetahui nilai standar koefisien regresi yang dimiliki oleh variabel bebas
untuk menentukan tingkat signifikansi terhadap variabel terikat. Adapun hasil yang diperoleh dari analisa dengan menggunakan SPSS 13.00 for window dapat
dilihat pada tabel dibawah ini:
Tabel 4.10. Coefficient Regresi
Sumber data: Hasil analisa SPSS
Adapun hasil penghitungan dengan menggunakan rumus koefisien regresi adalah sebagai berikut:
Y = a +
β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
Y = 35.450 + 2.451 X
+ e
1
+ 2.188 X
2
+ 15.983 X
3
+ 1.848 X
Dari Persamaan regresi linier berganda dapat dijelaskan sebagai berikut:
4
• Konstanta α sebesar 35.450 artinya bahwa jika perusahaan tidak
mempublikasikan laporan keuangan dan rasio keuangan Return On Equity,
3 5 ,4 50 7 4 ,3 08
2 ,4 5 1 ,6 8 3
,1 9 0 2 ,1 8 8
,4 1 0 ,3 8 6
1 5 ,9 83 4 ,1 9 1
,2 2 2 1 ,8 4 8
,4 1 7 ,3 1 3
Co n s t an t RO E x 1
EPS x 2 DER x 3
PER x 4 Mod e l
1 B
S t d. Er r or Un s ta n da r d iz e d
Co e f f ic ie nt s B e ta
S t an d a rd iz e d Co e f f ic ie nt s
De p en d e nt V a r ia b le : Y a .
Earning Per Share, Debt to Equity Ratio, dan Price Earning Ratio , maka
total harga saham naik sebesar 35.450 atau mengalami kenaikan sebesar 35.450.
• Koefisien regresi untuk Return On Equity X
1
• Koefisien regresi untuk Earning Per Share X sebesar 2.451 artinya bahwa
setiap perubahan satu satuan rasio keuangan Return On Equity, maka total harga saham akan mengalami kenaikan sebesar 2.451. Dalam hal ini faktor
lain yang mempengaruhi harga saham dianggap tetap.
2
• Koefisien regresi untuk Debt to Equity Ratio X sebesar 2.188 artinya bahwa
setiap perubahan satu satuan rasio keuangan Earning Per Share maka total harga saham akan mengalami kenaikan sebesar 2.188. Dalam hal ini faktor
lain yang mempengaruhi harga saham dianggap tetap.
3
• Koefisien regresi untuk Price Earning Ratio X sebesar 15.983 artinya
bahwa setiap perubahan satu satuan rasio keuangan Debt to Equity Ratio maka total harga saham akan mengalami kenaikan sebesar 15.983. Dalam
hal ini faktor lain yang mempengaruhi total harga saham dianggap tetap.
4
sebesar 1.848 artinya bahwa setiap perubahan satu satuan rasio keuangan Price Earning Ratio maka total
harga saham akan mengalami kenaikan sebesar 1.848. Dalam hal ini faktor lain yang mempengaruhi total harga saham dianggap tetap.
b. Uji t parsial
Uji t digunakan untuk menguji signifikansi pengaruh secara parsial antara variabel-variabel bebas berupa ROE X
1
, EPS X
2
, DER X
3
, PER X
4
,
