No Tahun Kode Emiten
Tanggal Stock Split
20 2007
CPIN PT. Charoen Pokphand Ind Tbk
1-Nov-07 21
2007 JPRS
PT. Jaya Pari Steel Tbk 12-Dec-07
22 2007
LPKR PT. Lippo Karawaci Tbk
26-Dec-07
C. Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah : a. Data sekunder
Data sekunder adalah data yang diperoleh dari pihak lain dalam bentuk jadi dan dipublikasikan. Data-data diperoleh dari pusat referensi pasar
modal PRPM di Bursa Efek Jakarta . Data tersebut adalah daftar harga saham resmi harian, data IHSG harian, data volume perdagangan saham
harian, data bid price harian, data ask price harian, dan jumlah saham beredar selama periode penelitian.
b. Riset kepustakaan Riset kepustakaan adalah melaksanakan studi kepustakaan dengan teknik
pengumpulan data yang dilengkapi dengan membaca dan mempelajari serta menganalisis literatur yang bersumber dari buku dan jurnal-jurnal
yang berkaitan dengan penelitian ini.
D. Metode Analisis
Analisis yang digunakan dalam penelitian ini menggunakan tahap – tahap sebagai berikut :
a. Uji Dasar Asumsi Klasik
Asumsi dasar klasik adalah bahwa hubungan antara variabel independen dengan variabel dependen bersifat linear serta tidak terjadi
autokorelasi, heteroskedastisitas, dan multikolinieritas diantara variabel independen dalam regresi tersebut. Oleh karena itu, diperlukan pengujian dan
pembersihan terhadap pelanggaran asumsi dasar jika memang terjadi. Pengujian – pengujian asumsi dasar klasik regresi terdiri dari :
1. Uji Normalitas Data Pengujian normalitas adalah pengujian tentang kenormalan distribusi
data. Uji normalitas bertujuan untuk menguji apakah dalam model regresi dependen variabel dan independen variabel ataupun keduanya mempunyai
distribusi yang normal atau tidak. Menurut Singgih Santoso 2004 : 124 ada beberapa cara untuk mendeteksi normalitas yaitu dengan penyebaran data
titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dalam uji normalitas adalah :
- Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi tersebut memenuhi asumsi normalitas.
- Jika data menyebar dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
2. Uji Multikolinieritas Uji multikolinieritas ini bertujuan untuk mendeteksi ada tidaknya
hubungan antar beberapa atau semua variabel independen dalam suatu model regresi. Multikolinieritas merupakan suatu keadaan dimana satu atau lebih
variabel independen dinyatakan sebagai kondisi linier dengan variabel lainnya. Artinya bahwa jika diantara variabel bebas yang digunakan sama sekali tidak
berkorelasi satu dengan yang lainnya maka bisa dikatakan tidak terjadi multikolinieritas. Untuk mendeteksi adanya multikolinieritas dapat dilihat dari
besarnya VIF variance inflation factor dan tolerance. Pedoman suatu model regresi yang terbebas dari gejala
multikolinieritas adalah : a. Mempunyai nilai VIF di sekitar angka 1.
b. Mempunyai angka tolerance mendekati 1 3. Uji Autokorelasi
Salah satu asumsi dari model regresi linier klasik adalah bahwa tidak ada autokorelasi serial autocorrelation or serrial correlation antara kesalahan
pengganggu ei. Autokorelasi dapat didefinisikan pula terjadinya korelasi diantara data
pengamatan sebelumnya, dengan kata lain bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Tujuan dari autokorelasi adalah untuk
menguji apakah dalam model linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Sebelumnya, jika terjadi
korelasi maka dinamakan ada problem autokorelasi. Menurut Singgih Santoso 2000 : 216 model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Terjadinya autokorelasi atau tidak dapat dilihat melalui Durbin-
Watson. Panduan mengenai Durbin-Watson untuk mendeteksi autokorelasi
dapat dilihat pada buku statistik yang relevan. Bila nilai DW terletak diantara du d 4 – du maka dapat dikatakantidak terjadi autokorelasi baik positif
maupun negatif, atau jika nilai d mencapai sekitar 2 dimana du adalah batas atas dan dl adalah batas bawah.
1. 0 d du : ada autokorelasi positif.
2. dl d du : ragu-ragu ada autokorelasi positif inconclusive.
3. du d 4 – dl : tidak terjadi autokorelasi positif maupun negatif.
4. 4 – du d 4 - dl : ragu-ragu ada autokorelasi negatif. 5. 4 – dl d 4
: ada autokorelasi negatif. Selain itu, untuk mendeteksi gejala autokorelasi dapat diambil patokan
sebagai berikut : 1. Angka D – W di bawah –2, berarti terdapat autokorelasi positif.
2. Angka D – W di antara –2 sampai +2, berarti tidak terdapat
autokorelasi. 3. Angka D – W di atas +2, berarti terdapat autokorelasi negatif.
4. Uji Heteroskedastisitas Heteroskedastisitas adalah suatu keadaan dimana varian dari kesalahan
pengganggu tidak konstan untuk semua nilai variabel bebas. Uji heteroskedastisitas ini bertujuan untuk menguji apakahdalam model regresi
ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap
maka disebut Homoskedastisitas dan bila berbeda disebut heteroskedastisitas.
Menurut Singgih Santoso 2000 : 210 ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas, antara lain :
1. Melihat grafikplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu X dan Y yang telah diprediksi dan sumbu Y
adalah residual Y prediksi –Y sesungguhnya yang telah distudentized. 2. Dasar analisis, jika ada pola tertentu seperti titik-titik yang ada membentuk
suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit maka telah terjadi heteroskedastisitas. Jika tidak ada pola
yang jelas serta titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas.
b. Regresi
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan hubungan dua variabel. Hubungan yang dimaksud yaitu
hubungan antara variabel independen X dan variabel dependen Y, dimana pada penelitian ini risiko sistematis, likuiditas bid ask spread dan trading
volume activity, dan stock split sebagai variabel independen X, sedangkan return saham sebagai variabel dependen Y. Variabel stock split adalah
variabel dummy dengan memberikan nilai 1 untuk kategori periode sebelum stock split serta nilai 0 untuk periode sesudah stock split.
Model persamaan regresi yang digunakan adalah :
Y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
4
x
4
+ ei
Keterangan : Y = rata-rata tingkat pengembalian saham bulanan
a = konstanta b
1
= koefisien regresi pertama b
2
= koefisien regresi kedua x
1
= rata-rata risiko sistematis bulanan x
2
= rata-rata likuiditas bid-ask spread bulanan x
3
= rata-rata likuiditas trading volume activity bulanan x
4
= stock split sebelum dan sesudah stock split ei = error term
C. Uji Hipotesis
