tahun 2004, hal ini disebabkan karena harga saham perusahaan cenderung mengalami penurunan selama tahun 2004.
PT Duta Pertiwi Tbk. memiliki return saham sebesar 1,25 pada tahun 2002, kemudian mengalami kenaikan menjadi 12,97 pada tahun 2003. Hal ini
terjadi karena harga saham perusahaan cenderung mengalami kenaikan selama tahun 2003. Sebaliknya, return saham perusahaan berkurang menjadi 0,08 pada
tahun 2004, hal ini disebabkan karena harga saham perusahaan cenderung mengalami penurunan selama tahun 2004.
PT Summarecon Agung Tbk. memiliki return saham sebesar -1,87 pada tahun 2002, kemudian mengalami kenaikan menjadi 20,55 pada tahun 2003. Hal
ini terjadi karena harga saham perusahaan cenderung mengalami kenaikan selama tahun 2003. Sebaliknya, return saham perusahaan berkurang menjadi 0,60 pada
tahun 2004, hal ini disebabkan karena harga saham perusahaan cenderung mengalami penurunan selama tahun 2004.
B. Regresi Linear Berganda
Tabel 4.6 berikut menunjukkan hasil estimasi regresi melalui pengolahan data dengan SPSS 12.0 for Windows.
Tabel 4.6 Hasil Estimasi Regresi
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
,010 1,431
,007 ,995
ROA ,387
,153 ,333
2,538 ,014
DTA ,026
,032 ,104
,791 ,433
a Dependent Variable: Return_Saham
Sumber: Hasil olahan SPSS
Universitas Sumatera Utara
Dari Tabel 4.6 dapat diperoleh persamaan regresi linier berganda sebagai berikut :
Y= 0,010 + 0,387 ROA + 0,026 DTA + e Dimana:
Y = Return Saham
1
X = Return on Assets ROA
2
X = Debt to Total Assets DTA
Interpretasi model: 1.
Konstanta bernilai 0,010. Hal ini menyatakan bahwa jika tidak ada pengaruh variabel independen yaitu ROA dan DTA maka Return Saham akan tetap
sebesar 0,010. 2.
Variabel ROA bernilai 0,387. Hal ini menyatakan bahwa setiap kali terjadi kenaikan 1 ROA, maka akan mendorong kenaikan Return Saham sebesar
0,387. Dengan asumsi variabel lain tetap variabel lain sama dengan nol. 3.
Variabel DTA bernilai 0,026. Hal ini menyatakan bahwa setiap kali terjadi kenaikan 1 DTA, maka akan mendorong kenaikan Return Saham sebesar
0,026. Dengan asumsi variabel lain tetap variabel lain sama dengan nol.
Universitas Sumatera Utara
Ada beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi berganda dapat digunakan dalam menganalisis pengaruh
profitabilitas dan leverage terhadap Return Saham. Syarat-syarat tersebut antara lain:
1. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui analisis grafik dan statistik
Ghozali, 2005:110. a.
Analsis Grafik Uji normalitas yang digunakan dalam analisis grafik ini adalah dengan
melihat grafik histogram dan normal probability plot.
-2 -1
1 2
3 4
Regression Standardized Residual
3 6
9 12
15
F re
q u
e n
c y
Mean = 1.73E-17 Std. Dev. = 0.981
N = 55
Dependent Variable: Return_Saham Histogram
Sumber: Hasil olahan SPSS Gambar 4.1 Histogram Dependent Variable Return Saham
Universitas Sumatera Utara
Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau menceng ke kanan. Hal ini berarti data
residual mempunyai distribusi normal. Selain melihat grafik histogram, uji normalitas dapat juga dilakukan
melalui grafik normal p-p plot of regression standardized residual seperti yang disajikan pada Gambar 4.2.
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: Return_Saham Normal P-P Plot of Regression Standardized Residual
Sumber: Hasil olahan SPSS Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Dependent Variable Return Saham
Gambar 4.2 menunjukkan bahwa titik-titik pada scatter plot mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual
mempunyai distribusi normal.
Universitas Sumatera Utara
Selain analisis grafik histogram dan normal probability plot, uji normalitas dapat juga dilakukan dengan analisis statistik. Analisis statistik memberikan hasil
yang lebih akurat dibandingkan dengan analisis grafik.
b. Analisis Statistik
Uji normalitas yang digunakan dalam analisis statistik ini adalah uji statistik non-parametrik One-Sample Kolmogorov Smirnov.
Tabel 4.7 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 55
Normal Parametersa,b Mean
,0000000 Std. Deviation
5,48077628 Most Extreme
Differences Absolute
,107 Positive
,107 Negative
-,063 Kolmogorov-Smirnov Z
,793 Asymp. Sig. 2-tailed
,556 a Test distribution is Normal.
b Calculated from data.
Sumber: Hasil olahan SPSS
Tabel 4.7 memperlihatkan bahwa nilai Asymp. Sig 2-tailed taraf nyata α , yaitu 0,556 0,05. Hal ini berarti
H diterima, yang berarti data residual berasal dari distribusi normal.
2. Uji Multikolinearitas
Uji Multikolinearitas dilakukan untuk menunjukkan ada tidaknya hubungan linear di antara variabel bebas dalam model regresi. Gejala
multikolinearitas dapat dideteksi atau dilihat dari nilai Variance Inflation Factor VIF. Dalam penelitian ini, sebelumnya data peneliti mengalami masalah
Universitas Sumatera Utara
multikolinearitas, yang kemudian diperbaiki dengan mengeluarkan variabel bebas yang memiliki nilai VIF yang paling tinggi.
Berikut ini ditampilkan dua buah tabel yaitu Tabel 4.8 sebelum perbaikan dari multikolinearitas dan Tabel 4.9 sesudah perbaikan dari multikolinearitas.
Tabel 4.8 sebelum perbaikan dari multikolinearitas Collinearity Statistics
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1 Constant
ROA ,092
10,866 ROE
,087 11,483
DTA ,830
1,205 a Dependent Variable: Return_Saham
Sumber: Hasil olahan SPSS
Tabel 4.8 menunjukkan adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF variabel ROA dan ROE masing-masing
menunjukkan nilai lebih dari 5 VIF 5. Nilai VIF yang lebih besar dari 5 menyatakan adanya masalah multikolinearitas dalam model.
Masalah multikolinearitas tersebut harus diperbaiki untuk mendapatkan model regresi yang baik. Salah satu cara untuk mengatasi masalah
multikolinearitas adalah dengan mengeluarkan variabel yang mempunyai nilai VIF yang paling tinggi yaitu ROE. Perbaikan dari masalah multikolinearitas ini
dapat dilihat pada Tabel 4.9.
Universitas Sumatera Utara
Tabel 4.9 sesudah perbaikan dari multikolinearitas Collinearity Statistics
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1 Constant
ROA ,964
1,037 DTA
,964 1,037
a Dependent Variable: Return_Saham
Sumber: Hasil olahan SPSS
Tabel 4.9 menunjukkan sudah tidak ada masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF variabel ROA dan DTA masing-masing
menunjukkan nilai kurang dari 5 VIF 5. Nilai VIF yang lebih kecil dari 5 menyatakan bahwa tidak ada masalah multikolinearitas dalam model.
3. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk menguji apakah pada model regresi terdapat korelasi kesalahan pengganggu pada periode t dan kesalahan pengganggu
pada periode sebelumnya periode t-1. Dalam penelitian ini, gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson Test.
Secara umum uji Durbin-Watson memiliki patokan sebagai berikut Santoso, 2002:218:
• Angka D-W di bawah -2, berarti ada autokorelasi positif. • Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
• Angka D-W di atas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Tabel 4.10
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 ,367a
,135 ,102
5,58518 1,052
a Predictors: Constant, DTA, ROA b Dependent Variable: Return_Saham
Sumber: Hasil olahan SPSS
Tabel 4.10 memperlihatkan bahwa nilai Durbin Watson sebesar 1,052 dan nilai ini berada diantara -2 sampai +2. Maka dapat disimpulkan bahwa model
regresi yang digunakan sudah bebas dari masalah autokorelasi, baik korelasi positif maupun korelasi negatif.
Nilai Adjusted R Square pada Tabel 4.10 menunjukkan proporsi variabel dependen yang dijelaskan oleh variabel independen. Semakin tinggi nilai Adjusted
R Square maka akan semakin baik bagi model regresi karena menandakan bahwa kemampuan variabel bebas menjelaskan variabel terikat juga semakin besar.
Adjusted R Square pada model adalah bernilai 0,102 berarti pengaruh ROA dan DTA terhadap Return Saham adalah 10,2 saja, sedangkan 89,8 lainnya
dipengaruhi oleh variabel-variabel lain yang tidak termasuk dalam model.
4. Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke residual
pengamatan lain. Dalam penelitian ini, gejala heterokedastisitas dideteksi dengan menggunakan grafik scatterplot dan uji Glejser.
Universitas Sumatera Utara
a. Grafik Scatterplot
-2 -1
1 2
3 4
5
Regression Standardized Predicted Value
-2 -1
1 2
3 4
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
Dependent Variable: Return_Saham Scatterplot
Sumber: Hasil olahan SPSS Gambar 4.3 Scatterplot Dependent Variable Return Saham
Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola tertentu.
Maka dapat disimpulkan bahwa tidak terdapat gejala heterokedastisitas dalam model regresi ini.
Selain melihat grafik, uji heterokedastisitas dapat juga dilakukan melalui uji Glejser. Uji Glejser memberikan hasil yang lebih akurat dibandingkan dengan
menganalisis grafik scatterplot.
Universitas Sumatera Utara
b. Uji Glejser
Dalam uji Glejser diusulkan untuk meregres nilai absolut residual terhadap variabel independen. Hipotesisnya sebagai berikut:
H : data bebas dari indikasi adanya gejala heterokedastisitas
1
H : data bebas terdapat adanya indikasi gejala heterokedastisitas
Tabel 4.11 Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
3,739 ,928
4,029 ,000
ROA ,046
,099 ,066
,468 ,642
DTA ,007
,021 ,045
,321 ,750
a Dependent Variable: absut
Sumber: Hasil olahan SPSS
Berdasarkan Tabel 4.11 tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari nilai signifikansi variabel ROA dan DTA masing-masing lebih besar dari tingkat signifikan
α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini.
C. Pengujian Hipotesis
