Regression Standardized Residual
2 1
-1 -2
-3
F re
q u
e n
c y
8 6
4 2
Histogram Dependent Variable: LN_Harga_Saham
Mean =-1.15E-15 Std. Dev. =0.962
N =55
Perusahaan yang memiliki harga saham diatas rata-rata total keseluruhan nilai harga saham yaitu sebesar 313,36 terdiri dari 4 perusahaan. Perusahaan -perusahaan
tersebut antara lain PT Asuransi Bintang Tbk, PT Asuransi Jasa Tania Tbk, PT Asuransi Ramayana Tbk, PT Lippo General Insurance Tbk.
B. Analisis Data Statistik
Dari data yang diperoleh, maka didapatkan hasil penelitian tentang Analisis Rasio Early Warning System yang meliput i Rasio Beban Klaim, RasioLikuiditas, Rasio
Agent’s Balance to Surplus, dan Rasio Pertumbuhan Premi terhadap harga saham pada perusahaan asuransi yang terdaftar di Bursa Efek Jakarta sebagai berikut:
a. Uji Normalitas Data
Pengujian normalitas data penelitian adalah untuk menguji apakah dalam model statistik variabel-variabel penelitian berdistribusi normal atau tidak normal. Data yang
baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak melenceng ke kiri atau ke kanan. Cara yang paling sederhana adalah
dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal sebagaimana Gambar 4.1 berikut:
Universitas Sumatera Utara
Gambar 4.1: Grafik Histogram Sumber: Hasil Pengolahan Data
Berdasarkan analisis grafik histogram Gambar 4.1 dapat dilihat bahwa residual standar menyebar secara merata dan hampir simetris dengan indikator bentuk
grafik yang menyerupai lonceng yang sempurna. Pengujian normalitas juga dapat menggunakan grafik normal plot dari residualnya. Berdasarkan Gambar 4.2 terlihat
titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal grafik normal plot sehingga dari grafik histogram dan grafik normal plot.
Gambar 4.2: Grafik Normal Plot Sumber: Hasil Pengolahan Data
Berdasarkan grafik histogram dan grafik normal plot, menunjukkan bahwa model regresi yang layak dipakai dalam penelitian ini karena memenuhi asumsi
normalitas. Untuk menentukan data dengan uji Kolmogrov-Smirnov, nilai signifikansi harus diatas 0,050 atau 5. Pengujian terhadap normalitas data dengan menggunakan
Kolmogrov-Smirnov dapat dilihat pada Tabel 4.7 berikut:
Tabel 4.7
Hasil Uji Normalitas dengan Uji Kolmogorov Smirnov
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: LN_Harga_Saham
Universitas Sumatera Utara
One-Sample Kolmogorov-Smirnov Test
55 .0000000
.63396300 .059
.042 -.059
.438 .991
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Kolmogorov-Smirnov Z sebesar 0,438 dengan tingkat signifikansi sebesar 0,991 dan di atas nilai signifikan
0,05 pada tingkat kepercayaan sebesar 95 persen. Berdasarkan nilai Kolmogorov- Smirnov Z tersebut dapat disimpulkan bahwa data yang akan digunakan dalam
penelitian memiliki distribusi secara normal atau asumsi normalitas terpenuhi.
b. Uji Heteroskedastisitas
Model regresi yang baik adalah memiliki kondisi homoskedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas dalam model
penelitian dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID residual dan ZPRED prediksi variabel terikat.
Universitas Sumatera Utara
Regression Studentized Residual
2 1
-1 -2
-3
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d
V a
lu e
2 1
-1 -2
-3
Scatterplot Dependent Variable: LN_Harga_Saham
Gambar 4.3: Grafik Scatterplot Sumber: Hasil Pengolahan Data
Hasil pengujian heteroskedastisitas, Gambar 4.3 menunjukkan tidak adanya pola tertentu dalam grafik scatterplot, kondisi tersebut dapat dilihat dari penyebaran
data titik yang terjadi secara acak, baik dibawah maupun diatas nol pada sumbu Y, sehingga dapat diambil kesimpulan bahwa model regresi dinyatakan baik dan layak
untuk digunakan, karena tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan pendekatan statistic yaitu dengan uji Glejser. Adapun tampilan uji
Glejser adalah sebagai berikut:
Tabel 4.8 Uji Glejser
Universitas Sumatera Utara
Coefficients
a
87.419 70.433
1.241 .220
-193.246 61.871
-.541 -3.123
.003 23.219
45.519 .068
.510 .612
6.379 11.487
.099 .555
.581 -31.720
61.153 -.060
-.519 .606
Constant LN_Rasio_Beban_Klaim
LN_Rasio_Likuiditas LN_Rasio_ABS
LN_Rasio_PP Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: absut a.
Sumber: Hasil Pengolahan Data
Hasil tampilan output SPSS menunjukkan Rasio Likuiditas, Rasio Agent’s Balance to Surplus dan Rasio Pertumbuhan Premi secara signifikan mempengaruhi
variabel dependen absolute absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
c. Uji Autokorelasi
Untuk mendiagnosis adanya gangguan autokorelasi dalam model dapat dilakukan dengan melakukan pengujian dengan The Run Test.
Tabel 4.9 Uji Autokorelasi
Runs Test
Harga_Saham Test Value
a
255.00 Cases Test Value
27 Cases = Test Value
28 Total Cases
55 Number of Runs
28 Z
-.134 Asymp. Sig. 2-tailed
.894 a. Median
Sumber: Hasil Pengolahan Data
Universitas Sumatera Utara
Hasil output SPSS 15.00 for windows menunjukkan bahwa nilai test adalah 255 dengan probabilitas 0,894 pada taraf signifikansi 0,05 yang berarti hipotesis nol
diterima sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi antar residual.
d. Uji Multikolinearitas
Peneliti melakukan deteksi adanya gejala gangguan multikolinearitas, maka dapat dilakukan dengan melihat hasil pengujian yang diperoleh pada hasil nilai VIF
danTolerance dari model penelitian.
Tabel 4.10 Hasil Pengujian Multikolinearitas
Coefficients
a
6.408 .392
16.333 .000
.249 .345
.140 .723
.473 .435
2.300 .515
.254 .301
2.030 .048
.743 1.346
.181 .064
.567 2.834
.007 .409
2.445 .110
.341 .042
.323 .748
.981 1.020
Constant LN_Rasio_Beban_Klaim
LN_Rasio_Likuiditas LN_Rasio_ABS
LN_Rasio_PP Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: LN_Harga_Saham a.
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.10 tidak terdapat satu variabel yang mempunyai nilai VIF 5, artinya keempat variabel independent tersebut tidak terdapat hubungan
multikolinearitas dan dapat digunakan untuk memprediksi harga saham selama periode pengamatan 2005 - 2009.
C. Pengujian Hipotesis 1. Analisis Regresi Berganda