Regresi Linear Berganda Uji Multikolinearitas

55

3.7.1 Regresi Linear Berganda

Analisis regresi linier berganda adalah suatu analisis yang digunakan untuk mengetahui suatu pengaruh variable independen terhadap satu atau beberapa variable dependen. Model regresi yang digunakan untuk melihat hubungan antara CIR, DER, SIZE BANK, ROA, EPS, dan NPL terhadap harga saham. Data analisis dengan model regresi linear berganda sebagaiberikut: Y = α + β1X1 + β2X2 + β3X3+ β4X4 + β5X5+ β6X6 e Keterangan : Y :hargasaham X1 : Current income Ratio CIR X2 :Debt Equity Ratio DER X3 : Size Bank X4 : Return On AssetROA X5 :Earnings Per Share EPS X6: Non Performing loans NPL α : Konstanta β1, β2, β3, β4, β5, β6 : Koefisien Regresi e :Error tingkat kesalahan

3.7.2 Uji Asumsi Klasik

Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil penelitian menjadi tidak akurat Sunjoyo dkk, 2013:54. Adapun pengujianasumsi klasik 56 yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, heteroskedatisitas, dan autokorelasi.

3.7.2.1 Uji Normalitas

Uji normalitas berguna pada tahap awal dalam metode pemilihan analisis data.Uji normalitas berfungsi untuk melihat apakah nilai residual terdistribusi normal atau tidak.Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal Sunjoyo dkk, 2013:59. Sementara Erlina 2011:101 menjelaskan bahwa “tujuan daripada uji normalitas data adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Penelitian ini dilakukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan untuk mendeteksi apakah residual mengikuti berdistribusi normal atau tidak adalah dengan analisis grafik. Jika data menyebar di sekitar garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.Selain itu bisa juga melalui uji analisis statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogrov-Smirnov atau biasa disingkat K-S Ghozali, 2008 dalam Sunjoyo dkk, 2013:60. Uji K-S dibuat dengan membuat hipotesis : Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal 57 Bila sig 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak normal Ha diterima. Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk normal menurut Erlina 2011:101 dengan cara sebagai berikut : 1.Transformasi data, dilakukan dengan logaritma natural ln, log 10, maupun akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan log akan menghilangkannya sehingga sampel n akan berkurang. 2.Trimming, dilakukan dengan membuang memangkas observasi yang bersifat outlier, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ. Metode ini juga akan mengecilkan sampelnya. 3.Winzorising, yaitu mengubah nilai-nilai outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusi menjadi normal. Nilai- nilai observasi yang lebih kecil dari μ-2σ akan diubah nilainya menjadi μ-2σ dan nilai-nilai yang lebih besar dari μ+2σ akan diubah menjadi μ+2σ.

3.7.2.2 Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda.Jika ada korelasi tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu Sunjoyo dkk, 2013:65. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut: 1. Menganalisis matrik korelasi variabel-variabel independen, jika diantara variable independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas. 58 2. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 Variance Inflation Factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas menurut Erlina 2011:104 adalah sebagai berikut: a. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi. b. Menambah jumlah observasi atau menambah ukuran sampel. c. Mentransformasikan data kedalam bentuk lain misalnya logaritma natural, akar kuadrat ataubentuk first difference delta. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan. 3.7.2.3Uji Heterokedastisitas Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas Sunjoyo dkk, 2013:69. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel independen dengan nilairesidualnya.Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain : 59 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 yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.7.2.4 Uji Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t-1.Secara sederhana, analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya Sunjoyo dkk, 2013:73. Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak diperlukan pada data cross section seperti pada kuesioner dimana pengukuran dilakukan secara serempak dan bersamaaan. Model regresi pada penelitian di Bursa Efek Indonesia yang periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, dengan kriteria sebagai berikut : 1. Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif. 2. Angka D-W di antara -2 sampai +2, berarti tidak ada ditemukan autokorelasi. 3. Angka D-W di atas +2 berarti ada ditemukan autokorelasi negative.

3.7.3 Uji Hipotesis Penelitian

Pengujian hipotesa dilakukan untuk menguji kemampuan variabel independen Cost Income Ratio CIR, debt to equity ratio DER, Firm Size atau 60 ukuran perusahaan, Return On Asset ROA, Earnings Per Share EPS, dan Non Performing Loans NPL dalam mempengaruhi variabel dependen yaitu harga saham, dapat menggunakan alat analisa statistik berupa uji koefisien determinasi Adjusted R 2 uji F,dan uji t

3.7.3.1 Uji Koefesien DeterminasiAdjusted

� � Koefisien Determinasi Adjusted � 2 digunakan untuk menentukan besarnya variabel dependen yang dapat dijelaskan oleh variasi variabel independennya dengan kisaran nilai antara 0 dan 1 Ghozali, 2006:83. Nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

3.7.3.2 Uji F

Uji F digunakan untuk mengetahui apakah variabel independen Cost Income Ratio CIR, debt to equity ratio DER,Size Bank atau ukuran perusahaan, Return On Asset ROA, dan Earnings Per Share EPS secara bersama-sama simultan mempunyai pengaruh terhadap harga saham. Dasar pengambilan keputusan adalah:Ha diterima jika nilai signifikansi F ∝=5 , atau Ha tidak dapat diterima jika nilai signifikansi F∝=5

3.7.3.3 Uji t

Uji t digunakan untuk mengetahui apakah secara individu atau parsial variabel independen mempunyai pengaruh terhadap harga saham, dengan asumsi 61 variabel independen lainnya konstan. Dasar pengambilan keputusan adalah: Ha diterima jika nilai signifikan t atau p value ∝=5. current income ratio CIR, Debt Equity Ratio DER, SizeBank,Return On Asset ROA, Earnings Per Share EPS, dan Non Performing Loans NPL diuji masing-masing dengan menggunakan uji-t, dengan kriteria sebagai berikut: 1. Ha tidak dapat diterima apabila t hitung t table atau Ha diterima apabila t hitung t table, Atau 2. Ha diterima apabila nilai siginfikansi p value∝= 5 atau Ha tidak dapat diterima apabila nilai signifikansi p value ∝= 5. 62 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian

Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui situs www.idx.co.id. Data yang digunakan merupakan data laporan keuangan perusahaan perbankan yang dipublikasikan setelah diaudit oleh auditor independen pada tahun 2009-2013. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS. Berdasarkan kriteria yang telah ditentukan, diperoleh 25 perusahaan perbankan yang memenuhi kriteria dan menjadi sampel dalam penelitian ini selama periode tahun 2009- 2013, dengan 125 unit analisis observasi penelitian 25 ×5.

4.2 Analisis Statistik Deskriptif

Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, median, variance, serta standar deviasi data yang digunakan dalam penelitian. Dimana komponen-komponen statistik deskriptif dapat dijabarkan sebagai berikut: 1. Nilai rata-rata mean adalah jumlah seluruh angka pada data yang dibagi dengan jumlah data yang ada, 2. Median adalah nilai tengah data setelah data tersebut diurutkan dari angka terkecil ke angka tertinggi, 63 3. Range adalah selisih dari nilai tertinggi dengan nilai terendah dalam suatu kumpulan data, 4. Standard deviation adalah nilai simpangan baku. Semakin kecil nilainya, maka data yang digunakan mengelompok di sekitar nilai rata-rata, 5. Variance adalah jumlah selisih antara data dengan rata-rata data dan kemudian dibagi dengan jumlah data dikurangi 1n-1 atau nilai kuadrat dari std.deviation. Tabel 4.1 Statistik Deskriptif N Range Minimu m Maximu m Mean Std. Deviation Variance Cost Income Ratio 125 254,5300 2,1700 256,7000 81,804320 29,2677786 856,603 Debt To Equity Ratio 125 12,6000 3,0200 15,6200 8,645600 2,6021233 6,771 Size Bank 125 23,5600 8,2200 31,7800 11,232640 2,2900092 5,244 Return On Asset 125 68,9200 ,1700 69,0900 3,405120 7,6588223 58,658 Earnings Per Shares 125 865,0660 ,1540 865,2200 144,447496 184,1699516 33918,571 NPL 125 9,5300 ,0000 9,5300 1,556320 1,5531786 2,412 Harga Saham 125 919,0000 1,0000 920,0000 175,184485 244,0028550 59537,393 Valid N listwise 125 Sumber: Diolah dengan SPSS, 2014 Berdasarkan tabel 4.1 dapat dijelaskan penggambaran tentang data yang digunakan dalam penelitian ini : 1. Variabel Cost Income Ratio CIR memiliki nilai minimum yaitu 2,1700 dan nilai maksimum yaitu 256,7000, dengan nilai rata-rata mean yaitu 81,804320. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai Cost Income Ratio yang bernilai negatif. Nilai Cost Income Ratio tertinggi dialami oleh Bank Pan Indonesia 64 PNBN tahun 2013 dan nilai terendah terdapat pada Bank Victoria International Tbk BVIC tahun 2012 selama periode pengamatan. Standard deviation variabel ini adalah 29,2677786 dan variance 856,603. Rentang nilai range senilai 254,5300 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 2. Variabel Debt to Equity Ratio DER memiliki nilai minimum yaitu 3,0200 dan nilai maksimum yaitu 15,6200, dengan nilai rata-rata mean yaitu 8,645600. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai negatif. Standard deviation variabel ini adalah 2,6021233 dan variance 6,771. Rentang nilai range senilai 12,6000 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 3. Variabel Size Bank memiliki nilai minimum yaitu 8,2200 dan nilai maksimum yaitu 31,7800, dengan nilai rata-rata mean yaitu 11,232640. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai total asset negatif. Size Bank yang diproksikan dengan total asset telah dilakukan logaritma natural. Hal ini dilakukan agar nilai total asset yang sedemikian besar dapat diperkecil nilainya sehingga mempermudah dalam mengolah data di SPSS. Standard deviation variabel ini adalah 2,2900092 dan variance 5,244. Rentang nilai range senilai 23,5600 menunjukkan bahwa data yang digunakan dalam 65 penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 4. Variabel Return On Asset ROA memiliki nilai minimum yaitu ,1700 dan nilai maksimum yaitu 69,0900, dengan nilai rata-rata mean yaitu 3,405120. Hal ini menunjukkan bahwa nilai earning after tax dan total asset yang dijadikan sampel penelitian tidak ada satupun yang bernilai negatif. Nilai Return On Asset tertinggi terdapat pada Bank Swadesi Tbk BSWD tahun 2013 dan nilai terendah dialami oleh Bank Kesawan Tbk BKSW tahun 2010. Standard deviation variabel ini adalah 7,6588223 dan variance 58,658. Rentang nilai range senilai 68,9200 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 5. Variabel Earning Price Share EPS memiliki nilai minimum yaitu ,1540 dan nilai maksimum yaitu 865,2200, dengan nilai rata-rata mean yaitu 144,447496. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai yang negatif. Nilai EPS tertinggi terdapat pada Bank Rakyat Indonesia Tbk BBRI tahun 2013 sedangkan nilai terendah dialami oleh Bank Mutiara Tbk selama periode pengamatan. Standard deviation variabel ini adalah 184,1699516 dan variance 33918,571. Rentang nilai range senilai 865,0660 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 66 6. Variabel NPL memiliki nilai minimum yaitu ,0000 dan nilai maksimum yaitu 9,5300, dengan nilai rata-rata mean yaitu 1,556320. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai yang negatif. Standard deviation variabel ini adalah 1,5531786 dan variance 33918,571. Rentang nilai range senilai 2,412 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 7. Variabel Harga Saham memiliki nilai minimum yaitu 1,0000 dan nilai maksimum yaitu 920,0000, dengan nilai rata-rata mean yaitu 175,184485. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai yang negatif. Harga saham tertinggi dialami oleh Bank CIMB Niaga Tbk BNGA tahun 2013 sedangkan nilai terendah terdapat pada Bank Ekonomi Raharja Tbk tahun 2011 selama periode pengamatan. Standard deviation variabel ini adalah 244,0028550 dan variance 59537,393. Rentang nilai range senilai 919,0000 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas Data Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada grafis histogram dan grafik PP Plots. Suatu data akan berdistribusi normal jika grafik histogram menyerupai bel yang 67 menghadap ke atas. Hal ini bisa dilihat dalam tampilan pada gambar 4.1 sampai dengan 4.4 dan table 4.2 sampai dengan 4.3 berikut ini. Gambar 4.1 Uji Normalitas 1 : Histogram Sebelum Transformasi Sumber: Diolah dengan SPSS, 2014. Gambar 4.2 Uji Normalitas 2 : Grafik Normal PP Plot Sebelum Transformasi Sumber: Diolah dengan SPSS, 2014. 68 Tabel 4.2 Uji Kolmogorov-SmirnovSebelum Transformasi One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Predicted Value N 125 Normal Parameters a,b Mean 175,1844846 Std. Deviation 83,66451390 Most Extreme Differences Absolute ,161 Positive ,161 Negative -,127 Kolmogorov-Smirnov Z 1,802 Asymp. Sig. 2-tailed ,003 a. Test distribution is Normal. b. Calculated from data. Sumber: Diolah dengan SPSS, 2014. Dengan meilhat tampilan histogram pada gambar 4.1 dan grafik normal PP plotpada gambar 4.2 diatas dapat disimpulkan bahwa grafik histogram pola distribusi yang melenceng ke kiri dan tidak normal. Pada grafik normal PP plot terlihat titik-titik menyebar di sekitar garis diagonal dan penyebaran jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi model asumsi normalitas. Hasil uji Kolmogorov Sminov pada tabel 4.2 menunjukkan Asymp. Sig. 2- tailed sebesar 0,003 yang lebih kecil dari signifikansi alpha yang telah ditetapkan 0,05. Dengan demikian data dalam penelitian ini tidak terdistribusi normal. 69 Karena data tidak terdistribusi normal, maka peneliti melakukan perbaikan agar model regresi memenuhi asumsi normalitas. Dalam penelitian ini peneliti melakukan transformasi data terhadap variabel yang tidak terdistribusi normal. Kemudian data diuji ulang berdasarkan asumsi normalitas. Hasil uji normalitas setelah dilakukan transformasi data yang tidak normal tersebut adalah: Gambar 4.3 Uji Normalitas 1 : Histogram Setelah Transformasi Sumber: Diolah dengan SPSS, 2014. 70 Gambar 4.4 Uji Normalitas 2 : Grafik Normal PP Plot Setelah Transformasi Sumber: Diolah dengan SPSS, 2014. Tabel 4.3 Uji Kolmogorov-SmirnovSetelah Transformasi One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Predicted Value N 125 Normal Parameters a,b Mean 10,0238852 Std. Deviation 3,23455348 Most Extreme Differences Absolute ,105 Positive ,105 Negative -,094 Kolmogorov-Smirnov Z 1,175 Asymp. Sig. 2-tailed ,126 a. Test distribution is Normal. b. Calculated from data. Sumber: Data diolah dengan SPSS, 2014. 71 Dari grafik histogram pada gambar 4.3 dan grafik PP Plot pada gambar 4.4 diatas terlihat setelah dilakukan transformasi data, grafik histogram memperlihatkan pola distribusi yang normal, hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan dan garafik normal PP Plot memperlihatkan titik-titik menyebar di sekitar atau mengikuti arah garis diagonal yang menunjukkan pola terdistribusi normal. Hasil uji Kolmogorov Sminov pada tabel 4.3 menunjukkan Asymp. Sig. 2-tailed sebesar 0,126 yang lebih besar dari signifikansi alpha yang telah ditetapkan 0,05. Dengan demikian, data pada penelitian ini terdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,521 0,05 H a diterima.

4.3.2 Uji Multikolinearitas

Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir yaitu : tolerance 0,1 dan VIF Variance Inflation Factor 10. Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.4 berikut 72 Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF Constant Cost Income Ratio ,886 1,128 Debt To Equity Ratio ,808 1,238 Size Bank ,995 1,005 Return On Asset ,869 1,151 Earning Per Share ,868 1,153 NPL ,824 1,213 a. Dependent Variable: Harga Saham Sumber: Diolah dengan SPSS,2014 Tabel 4.4 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk Cost Income Ratio CIR memiliki nilai tolerance 0,886 ;Debt to Equity Ratio DER memiliki nilai tolerance 0,808; Size Bank memiliki nilai tolerance 0,995; Return On Asset ROA memiliki nilai tolerance 0,869, Earnings Per Share EPS memiliki nilai tolerance 0,868 dan NPL memiliki nilai tolerance 0,824. Jika dilihat dari VIF, masing-masing variabel independen lebih kecil dari 10 yaitu Cost Income Ratio CR memiliki VIF 1,128; Debt to Equity Ratio ROE memiliki VIF 1,238; Size Bank memiliki VIF 1,005; Return On Asset ROA memiliki VIF 1.51, Earnings Per Share 73 EPS memiliki VIF 1,153 dan NPL memiliki nilai VIF sebesar 1,213. Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.

4.3.3 Uji Heteroskedastisitas