Table 3.1 Nama-nama perusahaan perusahaan makanan dan minuman yang memiliki
laba bersih dari periode 2005-2009. No Nama
Perusahaan
1 PT. Aqua Golden Misisippi. Tbk
2 PT. Delta Djakarta. Tbk
3 PT.Fast Food.Tbk
4 PT. Indofood Sukses Makmur. Tbk
5 PT. Mayora Indah. Tbk
6 PT. Multi Bintang Indonesia. Tbk
7 PT. Sekar Laut. Tbk
8 PT.Siantar Top. Tbk
9 PT. Ultra Jaya Milk. Tbk
Sumber : Data BEI tahun 2010
3.3. Jenis Data, Sumber Data dan Teknik Pengumpulan Data
1. Jenis data
Data yang diambil dalam penelitian ini adalah jenis data sekunder, yaitu berupa data harga saham dan laporan keuangan perusahaan
makanan dan minuman pada periode 2005-2009.
2. Sumber Data
Sumber data dalam penelitian ini diperoleh dari data laporan keuangan perusahaan yang termuat dalam Indeks Capital Market
Directory ICMD yang ada di Bursa Efek Indonesia 3.
Teknik Pengumpulan Data Teknik pengumpulan data dalam penelitian ini dengan menggunakan
metode dokumentasi yang berasal langsung dari laporan keuangan perusahaan yang terdapat di BEI, berupa laporan neraca dan laporan laba
rugi dan lain-lain.
3.4. Uji Asumsi Klasik
Regresi linier berganda dengan persamaan Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
. Setelah model regresi diperoleh, maka model tersebut sudah termasuk BLUE Best Linier Unbiased Estimator atau tidak. Untuk
menilai apakah model yang digunakan merupakan model linier, sehingga estimasi yang dihasilkan merupakan estimasi yang BLUE Best Linier
Unbiased Estimator, hal ini terpenuhi jika plot antara nilai residual dan nilai prediksi tidak membentuk suatu pola tertentu atau acak.
Suatu model dikatakan BLUE bila memenuhi persyaratan sebagai berikut, yaitu :
1 Tidak boleh ada multikolineritas.
2 Tidak boleh ada heteroskedastisitas.
3 Tidak boleh ada autokorelasi.
4 Normalitas
Apabila ada salah satu asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Multikolinieritas
Multikolineritas artinya antar variable independent yang terdapat dalam model memiliki hubungan yang sempurna atau
mendekati sempurna koefisien korelasinya tinggi atau bahkan 1 Untuk mengetahui apakah dalam persamaan regresi ditemukan adanya
korelasi antar variabel independent dapat menggunakan uji multikolinieritas, karena dalam model regresi linier yang baik
seharusnya tidak terjadi korelasi diantara variabel independent. Menurut Yarnest 2003 : 68, terdapatnya korelasi yang
sempurna atau tidak sempurna tetapi sangat tinggi pada variabel independent yang dilambangkan dengan X
1
, X
2
, regresi tidak dapat ditentukan dan standar deviasi akan memiliki nilai tak terhingga,
sehingga X
3
,….X
n
. Jika terjadi multikolinieritas pada variabel independent akan berakibat koefisien metode Least Square tidak dapat
digunakan. Mengukur multikolinieritas dapat dilihat dari nilai toleransi dan
Variance Inflation Faktor VIF dari masing-masing variabel. Jika nilai toleransi 0.10 atau VIF 10 maka terdapat multikolinieritas,
sehingga variabel tersebut harus dibuang atau sebaliknya.
2. Heteroskedastisitas
Terdapat nilai variasi residual yang sama untuk semua pengaturan, atau terdapatnya pengaruh perubahan variabel
independent X
1
dengan nilai mutlak residual, sehingga penaksiran akan menjadi akurat. Mengukur heteroskedastisitas dilihat dari nilai
signifikan korelasi Rank Spearman. Menurut Yarnest 2003 : 70, deteksi adanya heteroskedastisitas adalah sebagai berikut :
a. Bila probabilitas
≥ 0,05 berarti tidak terdapat heteroskedastisitas. b.
Bila probabilitas 0,05 berarti terdapat heteroskedastisitas.
3. Autokorelasi
Terdapat korelasi di antara sesama data pengamatan dimana adanya suatu data dipengaruhi oleh data sebelumnya data time series
yang saling berhubungan, sehingga koefisien korelasi yang didapat menjadi kurang akurat. Mengukur autokorelasi dilihat dari nilai
Durbin Waston Test DW. Menurut Yarnest 2003 : 73, deteksi adanya autokorelasi
adalah sebagai berikut : a.
Jika nilai DW terletak antara d
u
dan 4 - d
u
atau d
u
≤ DW ≤ 4 – d
u
, berarti bebas dari autokorelasi. b.
Jika nilai DW d
L
atau DW 4 – d
L
berarti terdapat autokorelasi.
4. Normalitas
Salah satu cara mengecek kenormalitasan adalah dengan plot
probabilitas normal. Menurut Sulaiman 2004 : 89 dengan plot ini,
masing-masing nilai pengamatan dipasangkan dengan nilai harapan pada distribusi normal. Normalitas terpenuhi apabila titik-titik data
terkumpul di sekitar garis lurus. Hipotesis :
H : Sampel ditarik dari populasi dengan distribusi tertentu.
H
1
: Sampel ditarik bukan dari populasi dengan distribusi tertentu. Jika
: nilai signifikansi ≤ α maka tolak H
nilai signifikansi α maka terima H
3.5 Teknik Analisa Data