55
Berdasarkan tabel di atas diketahui bahwa nilai Harga Saham untuk ketujuh perusahaan Food And Beverages yang go public di bursa efek
indonesia selama tahun pengamatan yakni tahun 2003 hingga tahun 2008 mengalami fluktuasi, fluktuasi tersebut disebabkan karena pihak investor
masih mempertimbangkan investasi mereka di ketujuh perusahaan tersebut, karena memang investor berkepentingan untuk mengetahui ketiga
nilai tersebut, seperti harga pasar, harga nominal dan harga perdana sebagai informasi penting dalam pengambilan keputusan investasi yang
tepat. Dalam membeli atau menjual saham, investor akan membandingkan nilai intristik dengan nilai pasar saham bersangkutan.
4.3. Deskripsi Hasil Pengujian
4.3.1. Hasil Pengujian Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode
diantaranya adalah Kolmogorov Smirnov dan Shapiro Wilk. Hasil pengujian normalitas yang dilakukan terhadap variabel-
variabel yang diteliti dengan menggunakan uji Kolmogorov-Smirnov dan Shapiro Wilk
didapatkan hasil sebagai berikut :
56
Tabel 7 Hasil Uji Normalitas
Te sts of Norm ality
,257 42
,000 ,786
42 ,000
,355 42
,000 ,517
42 ,000
,347 42
,000 ,716
42 ,000
,382 42
,000 ,613
42 ,000
ROA ROE
EP S Harga Saham
St atist ic df
Sig. St atist ic
df Sig.
Kolmogorov-Smirnov
a
Shapiro-W ilk
Lilliefors S ignificance Correction a.
Sumber : Lampiran 2 Berdasarkan tabel diatas dapat diketahui bahwa nilai statistik
Kolmogorov-Smirnov dan Shapiro Wilk yang diperoleh mempunyai taraf
signifikan yang lebih kecil dari 0,05. Hal ini membuktikan bahwa semua variabel yang diteliti berdistribusi tidak normal, akan tetapi apabila
populasinya yang ditarik 30, maka distribusi harga deviasi standar
dianggap mendekati distribusi normal Djarwanto, 1996: 114. 4.3.2.
Pengujian Asumsi Klasik 4.3.2.1.Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau
data yang diambil pada waktu tertentu data cross sectional” Gujarati, 1995:201. Jadi dalam model regresi linear diasumsikan tidak terdapat
gejala autokorelasi. Artinya nilai residual Y observasi – Y prediksi pada waktu ke-t e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Dalam penelitian ini, besarnya Durbin Watson setelah dianalisis adalah sebesar 1,029. Untuk mengetahui adanya gejala
autokorelasi maka perlu dilihat besaran DW Durbin-Watson:
57
a. Angka D-W dibawah –2 berarti ada autokorelasi positif b. Angka D-W –2 sampai +2 berarti tidak ada autokorelasi
c. Angka D-W dibawah +2 berarti ada autokorelasi negative Berdasarkan keterangan diatas dapat diketahui bahwa nilai D-W
berada di antara –2 sampai +2 yaitu sebesar 1,029, yang berarti tidak ada autokorelasi.
4.3.2.2.Uji Multikolinieritas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor VIF. Dari
hasil pengujian terhadap gejala mulitikolinieritas diperoleh hasil sebagai berikut :
Tabel 8. Hasil Uji Multikolinieritas
Variabel bebas Tolerance
VIF
Return On Assets ROA X
1
0,756 1,323
Return On Equity ROE X
2
0,937 1,068
Earning Per Share EPS X
3
0,800 1,249
Sumber : Lampiran 3 Berdasarkan hasil pengujian dapat diketahui bahwa nilai VIF
seluruh variabel bebas dalam penelitian ini lebih kecil dari 10, artinya seluruh variabel bebas pada penelitian ini tidak terjadi gejala multikolinier
Ghozali, 2001:57. 4.3.2.3.Uji Heteroskedastisitas
Pada regresi linier, nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan menghitung korelasi Rank
58
Spearman antara residual dengan seluruh variabel bebas dimana nilai
probabilitas yang diperoleh harus lebih besar dari 0,05. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi Rank Spearman antara
residual dengan seluruh variabel independen atau yang menjelaskan dimana nilai signifikansi yang diperoleh harus lebih besar dari 0,05.
Hasil pengujian heteroskedastisitas pada penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 9 Hasil Pengujian Heteroskedastisitas
No Variabel
Nilai mutlak dari residual
Taraf Signifikansi
1 Return On Assets ROA X
1
0,047 0,769
2 Return On Equity ROE
X
2
0,089 0,576
3 Earning Per Share EPS
X
3
-0,067 0,675
Sumber : Lampiran 4 Berdasarkan tabel diatas dapat diketahui bahwa, tingkat signifikan
koefisien Rank Spearman untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak
terjadi heteroskedastisitas. Dari hasil pengujian yang telah dilakukan dapat disimpulkan
bahwa model analisis regresi linier berganda tersebut telah bebas dari penyimpangan-penyimpangan asumsi klasik, yaitu bebas dari
penyimpangan heteroskedastisitas, multikolinieritas dan autokorelasi sehingga layak untuk dilakukan pengujian regresi linier berganda.
59
4.3.3. Hasil Pengujian Regresi Linier Berganda