10.200,- , Rp 15.700,- , Rp 27.300,- , Rp 10.550,- , Rp 34.700,- . Sedangkan perusahaan yang memiliki Harga Saham terendah berturut-
turut pada tahun 2005 hingga tahun 2009 adalah PT. Prima Alloy Steel Universal Tbk. yaitu sebesar Rp 135,- , Rp 90,- , Rp 127,- , Rp 127,- , Rp
119,- . Nilai harga saham yang tinggi disebabkan karena perusahaan
tersebut dinilai memiliki prospek, sehingga banyak diminati para investor. Sedangkan nilai harga saham yang rendah disebabkan karena perusahaan
tersebut masih baru, dalam tahap perkembangan, atau bahkan dalam tahap kebangkrutan, sehingga kurang diminati para investor.
4.3. Hasil Analisis dan Uji Hipotesis
4.3.1. Hasil Uji Normalitas
Berdasarkan pengolahan data dengan SPSS 15.0 dengan Kolmogorov-Smirnov diperoleh hasil sebagai berikut :
Tabel 4.6 : Uji Normalitas Kolmogorov – Smirnov
Y X1
X2 X3
X4 Kolmogorov-Smirnov
Nilai Signifikasi 2- tailed
2.380 .000
2.340 .000
1.871 .002
2.119 .000
2.286 .000
Sumber : Lampiran 4.6.
Tabel 4.6. diatas menunjukkan bahwa nilai signifikasi dua arah yang dimiliki oleh variabel X
1,
X
2
, X
3
, X
4
, dan Y memiliki nilai signifikan kurang dari 0,05. tidak sesuai dengan kriteria bahwa sebaran data disebut
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
berdistribusi normal apabila memiliki taraf signifikan 0,05 Sumarsono,
2002:40, Dengan demikian, Uji Kolmogorov Smirnov menunjukkan bahwa data yang digunakan ternyata tidak memenuhi asumsi normalitas.
Maka pengujian dilakukan dengan cara menggunakan analisis LogNatural Ln Santoso,2002:18 sehingga diperoleh data sebagai berikut :
Tabel 4.7. : Uji Normalitas Kolmogorov-Smirnov dengan menggunakan metode LogNatural Ln
LnY Ln
X1 LnX2
LnX3 LnX4
Kolmogorov-Smirnov Nilai Signifikasi 2-
tailed .952
.325 .492
.969 .429
.993 .656
.783 .765
.601
Sumber : Lampiran 4.7.
Tabel 4.7. diatas menunjukkan bahwa nilai signifikasi dua arah yang dimiliki oleh variabel X
1
,X
2
, X
3
, X
4
, dan Y memiliki nilai signifikan lebih dari 0,05. Dengan demikian Uji Kolmogorov Smirnov menunjukkan
bahwa data yang digunakan ternyata telah memenuhi asumsi normalitas.
4.3.2. Hasil Uji Asumsi Klasik
4.3.2.1.Hasil Uji Multikolinearitas
Uji multikolinearitas pada penelitian ini digunakan untuk mendeteksi adanya gejala multikolinearitas dalam pengujian hubungan
antar variabel bebas. Hal ini tampak pada nilai tolerance dan Inflation Factor
VIF untuk setiap variabel bebas. Jika nilai tolerance lebih dari
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
0,10 dan nilai kurang 10, artinya menunjukkan tidak terdapat korelasi antar satu variabel bebas :
Tabel 4.8. : Hasil Uji Multikolinearitas
Variabel Bebas VIF
Kesimpulan Arus Kas Aktivitas Operasi X
1
Arus Kas Aktivitas Investasi X
2
Arus Kas Aktivitas Pendanaan X
3
Laba Akuntansi X
4
82.701 40.847
38.726 8,982
Terjadi Multikolinearitas Terjadi Multikolinearitas
Terjadi Multikolinearitas Non Multikolinearitas
Sumber : Lampiran 4.8.
Berdasarkan hasil perhitungan menunjukkan bahwa nilai Variance Inflation Factor
VIF dari semua variabel bebas meliputi: Arus Kas Aktivitas Operasi X
1
, Arus Kas Aktivitas Investasi X
2
dan Arus Kas Aktivitas Pendanaan X
3
memperlihatkan nilai VIF yang lebih dari 10 sehingga membuktikan bahwa terjadi multikolinearitas, sedangkan Laba
Akuntansi X
4
memperlihatkan nilai yang kurang dari 10. Ini berarti tidak terdapat adanya gejala multikolinearitas.
Tabel 4.9 : Hasil Uji Multikolinearitas Setelah X
1
dikeluarkan
Setelah diperbaiki dengan cara mengeluarkan salah satu variabel dengan nilai VIF terbesar X
1
Arus Kas Aktivitas Operasi, maka didapatkan hasil sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Variabel Bebas VIF
Kesimpulan Arus Kas Aktivitas Investasi X
2
Arus Kas Aktivitas Pendanaan X
3
Laba Akuntansi X
4
5.062 1.728
6.356 Non Multikolinearitas
Non Multikolinearitas Non Multikolinearitas
Variabel Bebas VIF
Kesimpulan Arus Kas Aktivitas Operasi X
1
1.000 Non Multikolinearitas
Sumber : Lampiran 4.9.
Berdasarkan hasil perhitungan menunjukkan bahwa nilai Variance Inflation Factor
VIF dari semua variabel bebas meliputi : Arus Kas Aktivitas Operasi X
1
, Arus Kas Aktivitas Investasi X
2
, Arus Kas Aktivitas Pendanaan X
3
, dan Laba Akuntansi X
4
memperlihatkan nilai yang kurang dari 10. Ini berarti tidak terdapat adanya gejala
multikolinearitas.
4.3.2.2.Hasil Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada
periode t dengan kesalahn pengganggu pada periode t-1 sebelumnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series. Untuk mengetahui ada atau tidaknya gejala
autokorelasi maka perlu dilihat kriteria Durbin Watson sebagai berikut Ghozali, 2006: 99:
Tabel 4.10. : Hasil Uji Autokorelasi
Variabel Durbin-Watson X
1
,X
2
,X
3
1.812
Sumber : Lampiran 4.10.
Tabel 4.8. diatas menunjukkan bahwa nilai Durbin-Watson adalah sebesar , yang berarti nilainya berada diantara -2 1.812 2 sehingga
dapat diartikan tidak terjadi autokorelasi Santoso,2002:219.
4.3.2.3.Hasil Uji Heterokedastisitas
Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke
pengamatan yang lain. Jika variance dari residual suatu pengamat ke pengamat yang lain tetap, menurut Santoso 2002:301 heterokedastisitas
dapat ditandai dengan ; a.
Nilai probabilitas 0,05 berarti tidak terkena heteroskedastisitas. b.Nilai probabilitas 0,05 berarti terkena heteroskedastisitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.11. : Uji Heterokedastisitas Variabel
Taraf Signifikansi Dari Korelasi Glajser
taraf Uji
Kesimpulan
X2 .182 0,05
Non Heteroskedastisitas
X3 .080 0,05
Non Heteroskedastisitas
X4 .060 0,05
Non Heteroskedastisitas
Sumber : Lampiran 4.11.
Dari hasil pengujian heteroskedastisitas diperoleh tingkat signifikansi dari korelasi Glejser lebih besar dari taraf level of signifikan
yaitu 5 0,05. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
4.3.3. Hasil Analisis Regresi Linier Berganda