C. Interpretasi Hasil Regresi
Regresi linier berganda dilakukan untuk mengetahui pengaruh variabel bebas yakni DER, ROE, BV, EPS terhadap variabel terikat yaitu nilai pasar saham
perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Tabel 4.13 berikut ini menunjukkan hasil uji regresi melalui pengolahan
data dengan SPSS 16.00 for Windows.
Tabel 4.13 Hasil Uji Regresi
Coefficientsa
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
t Sig.
Beta Constant
-1.212 .620
-1.955 .057
LnROE -.094
.140 -.102
-.670 .507
LnBV .556
.168 .481
3.310 .002
1
LnEPS .141
.099 .208
1.431 .160
a. Dependent Variable: LnNilaiSaham
Sumber : Hasil Penelitian, 2010 data diolah
Berdasarkan Tabel 4.13 tersebut maka dihasilkan persamaan regresi linier berganda sebagai berikut :
Ln Nilai Pasar Saham = -1,212 - 0,094LnROE + 0,556LnBV + 0,141LnEPS Dimana : Ln ROE = Return on Equity
Ln BV = Book Value
Ln EPS = Earning per Share
Universitas Sumatera Utara
Interpretasi model : 1. Kontanta sebesar -1,212. Hal ini memunjukkan bahwa bila tidak
terdapat variabel bebas yaitu LnROE, LnBV, Ln EPS maka Ln Nilai Pasar Saham adalah sebesar -1, 212.
2. Nilai LnROE sebesar 0,094. Hal ini menunjukkan bahwa, bila nilai LnROE bertambah 1, maka Ln nilai pasar saham akan bertambah
sebesar 0,094. 4. Nilai LnBV sebesar 0,556. Hal ini menunjukkan bahwa, bila nilai LnBV
bertambah 1, maka Ln nilai pasar saham akan bertambah sebesar 0,556. 5. Nilai LnEPS sebesar 0,141. Hal ini menunjukkan bahwa, bila nilai
LnEPS bertambah 1, maka Ln nilai pasar saham akan bertambah sebesar 0,141.
D. Pengujian Asumsi klasik
Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
1. Uji Normalitas
Tujuan uji normalitas ini adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tidak menceng ke kiri atau ke kanan.
Universitas Sumatera Utara
Gambar 4.1 Histogram Variabel Dependen Sumber : Hasil Penelitian, 2010 data diolah
Pada Gambar 4.1 terlihat bahwa variabel terikat yaitu Ln Nilai Pasar Saham mempunyai distribusi normal. Hal ini ditunjukkan oleh distribusi data
tersebut tidak menceng ke kiri atau ke kanan. Cara lain untuk menguji normalitas data dengan grafik adalah dengan
melihat penyebaran data titik pada garis diagonal dari grafik normalitas Normalitas P-P Plot. Jika data menyebar di sekitar garis diagonal, maka dapat
disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat
disimpulakan bahwa data tidak berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.2 Normal P-P Plot Sumber : Hasil Penelitian, 2010 data diolah
Pada scatter plot terlihat titik – titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1-
sample KS yakni Asymp. Sig. 2-tailed taraf nyata α = 0,05 maka data
residual berdistribusi normal, sebaliknya jika nilai Asymp.sig. 2-tailed taraf nyata
α maka data residual tidak berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.14 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
45 Mean
.0000000 Normal
Paramete Std. Deviation .85857730
rs
a
Absolute .083
Positive .083
Most Extreme
Difference Negative
-.073 s
Kolmogorov-Smirnov Z .560
Asymp. Sig. 2-tailed .913
a. Test distribution is Normal.
Sumber : Hasil Penelitian, 2010 data diolah
Pada tabel 4.14 dapat dilihat bahwa nilai Asymp.sig.2-tailed adalah sebesar 0,913 lebih besar dari taraf nyata
α = 0,05. Dengan demikian dapat disimpulkan bahwa data residual berdistribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah terdapat hubungan linier antara variabel bebas. Pada awalnya, terdapat lima variabel bebas
yang digunakan yakni DER, ROA, ROE, BV, dan EPS. Namun setelah dilakukan uji multikolinieritas terhadap kelima variabel bebas tersebut, terjadi masalah
multikolinieritas pada variabel ROA dan ROE.
Universitas Sumatera Utara
Hasil pengujian multikolinieritas dijelaskan dalam tabel sebagai berikut :
Tabel 4.15 Hasil Pengujian Multikolinieritas
Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics Model
B Std. Error
Beta t
Sig. Tolerance
VIF Constant
-1.212 .620
-1.955 .057
LnROE -.094
.140 -.102
-.670 .507
.735 1.360
LnBV .556
.168 .481
3.310 .002
.814 1.229
1
LnEPS .141
.099 .208
1.431 .160
.809 1.236
a. Dependent Variable: LnNilaiSaham
Sumber : Hasil penelitian, 2010 data diolah
Pada Tabel 4.15. dapat dilihat bahwa semua variabel bebas tidak terkena masalah multikolinieritas. Hal ini dapat dilihat dari nilai Variance Inflation Faktor
VIF masing – masing variabel bebas yakni LnROE, LnBV, LnEPS adalah lebih kecil dari 5 VIF 5.
3. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk menguji apakah pada model regresi terdapat korelasi kesxalahan antara kesalahan pengganggu pada periode ke – t dan
kesalahan pengganggu pada periode sebelumnya periode ke t-1. Gejala autokorelasi dideteksi dengan menggunakan Durbin Watson Test. Kriteria
pengambilan keputusan uji autokorelasi ditunjukkan dalam Tabel 4.16 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.16 Kriteria pengambilan Keputusan
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif
Tolak 0DWdL
Tidak ada autokorelasi positif
No decision dL
≤DW≤dU
Tidak ada autokorelasi negatif
Tolak 4-dlDW4
Tidak ada autokorelasi negatif
No decision 4-dU
≤ DW≤4-dL
Tidak ada autokorelasi positif atau negatif
Tidak ditolak dU DW 4-dU
Sumber : Gujarati 1995 : 217
Menurut Gujarati 1995 : 217 kriteria yang menunjukkan bahwa tidak terjadi autokorelasi adalah dU DW 4-dU. Hasil pengujian autokorelasi yang
dilakukan dengan SPSS ditampilkan pada Tabel 4.17 sebagai berikut:
Tabel 4.17 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .544
a
.296 .244
.88943 1.736
a. Predictors: Constant, LnEPS, LnBV, LnROE b. Dependent Variable: LnNilaiSaham
Sumber :Hasil Penelitian, 2010 data diolah
Tabel 4.17 tersebut memperlihatkan bahwa nilai Durbin Watson adalah sebesar 1, 736. Sedangkan hasil pengujian menurut tabel adalah sebagai berikut :
n = jumlah sampel = 45 k = jumlah variabel bebas = 3
Pada tingkat signifikansi α = 0,05 diperoleh dU = 1,67 dan dL = 1,38
dUDW4-dU = 1,671,7362.33 memenuhi kriteria. Dengan demikian, dapat disimpulkan bahwa tidak terjadi masalah autokorelasi pada model
regresi penelitian ini.
Universitas Sumatera Utara
4. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Heteroskedastisitas dapat dideteksi dengan melihat penyebaran plot melalui gambar scatterplot sebagai berikut:
Gambar 4.3 Scatterplot Variabel Dependen Sumber : Hasil Penelitian, 2010 data diolah
Pada grafik scatterplot yang ditampilkan pada Gambar 4.3, terlihat titik – titik yang menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas
serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini memenuhi salah satu asumsi bahwa tidak terjadi heteroskedastisitas pada model
regresi.
Universitas Sumatera Utara
Selain melalui scatterplot, heteroskedastisitas dapat juga dideteksi melalui Uji Glejser. Tabel 4.18 berikut ini menampilkan hasil pengujian
heteroskedastisitas dengan Uji Glejser.
Tabel 4.18 Hasil Uji Glejser
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
.956 .380
2.515 .016
LnROE -.090
.086 -.186
-1.046 .302
LnBV -.035
.103 -.058
-.344 .733
1
LnEPS .008
.061 .021
.126 .900
a. Dependent Variable: absut
Sumber : Hasil Penelitian,2010 data diolah
Pada Tabel 4.18 dapat dilihat bahwa semua variabel bebas tidak signifikan terhadap variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari masing-
masing variabel bebas lebih besar dari tingkat signifikansi α sig 0,05. Dengan
demikian dapat disimpulkan bahwa data bebas dari heteroskedastisitas.
E. Koefisien Determinasi
Pengujian kontribusi pengaruh dari seluruh variabel bebas Xi secara bersama – sama terhadap variabel tidak bebas Y dapat dilihat dari koefisien
determinasi berganda R
2
dimana 0 R
2
1. Hal ini menunjukkan jika nilai R
2
semakin dekat pada nilai 1, maka pengaruh variabel bebas terhadap variabel tidak bebas semakin kuat. Sebaliknya jika nilai R
2
semakin dekat pada nilai 0, maka pengaruh variabel bebas terhadap variabel tidak bebas semakin lemah.
Universitas Sumatera Utara
Koefisien determinasi dapat diukur berdasarkan penilaian Godness of fit- nya. Hasil pengujian Godness of Fit yang dilakukan dengan SPSS ditampilkan
pada Tabel 4.19 sebagai berikut:
Tabel 4.19 Hasil Godness of Fit
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.544
a
.296 .244
.88943 a. Predictors: Constant, LnEPS, LnBV, LnROE
b. Dependent Variable: LnNilaiSaham
Sumber : Hasil Penelitian, 2010 data diolah
Tabel 4.19 menunjukkan nilai R sebesar 0,544. Hal ini berarti hubungan relation antara Return on Equity ROE, Book Value BV, Earning Per Share
EPS berpengaruh terhadap nilai pasar saham sebesar 54,4. Nilai R Square sebesar 0, 296. Hal ini berarti 29,6 faktor – faktor Nilai
pasar saham dapat dijelaskan oleh Return on Equity ROE, Book Value BV, Earning Per Share
EPS. Nilai Adjusted R Square sebesar 0.244. Hal ini berarti 24,4 faktor –
faktor Nilai pasar saham dapat dijelaskan oleh Return on Equity ROE, Book Value
BV, Earning Per Share EPS.
Universitas Sumatera Utara
D. Pengujian Hipotesis