Uji Asumsi Klasik Rancangan Analisis

P e n e l i t i a n | 50 Gambar 3.1 Grafik normal probability plot Selain itu uji normalitas digunakan untuk mengetahui bahwa data yang diambil berasal dari populasi berdistribusi normal. Uji yang digunakan untuk menguji kenormalan adalah uji Kolmogorov-Smirnov. Berdasarkan sampel ini akan diuji hipotesis nol bahwa sampel tersebut berasal dari populasi berdistribusi normal melawan hipotesis tandingan bahwa populasi berdistribusi tidak normal.  Uji Multikolinieritas Multikolinearitas merupakan keadaan yang terjadi dalam analisis regresi berganda jika variabel – variabel bebas itu sendiri berkorelasi. Jadi, tujuan dari uji multikolinearitas adalah untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel – variabel bebasnya. Untuk mengetahui ada tidaknya multikolinearitas didalam suatu model dapat dengan melihat besarnya VIF Variance Information Factor dan Tolerance. Pada pengujian ini regresi yang bebas multikolinearitas adalah yang mempunyai nilai VIF disekitar satu dan mempunyai angka tolerance mendekati satu. P e n e l i t i a n | 51 Tabel 3.6 Hasil Pengujian Asumsi Multikolinieritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant per .882 1.134 roa .882 1.134 a. Dependent Variable: return Pada tabel 3.6 Kriteria yang digunakan adalah apabila nilai tolerance value lebih tinggi daripada 0,10 atau VIF lebih kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas Santoso. 2002 : 206. Dari hasil pengujian diatas dapat dilihat bahwa nilai VIF atau variance inflation factor berada pada nilai 1,134 atau lebih kecil dari 10, dan juga hasil dari tolerance yang berada pada angka 0,882 atau lebih besar dari 0.10. maka dapat disimpulkan bahwa dalam regresi antara variabel bebas Rasio Harga Laba Price Earning Ratio PER dan Rasio Pengembalian Aktiva Return On Asset ROA tidak terjadi multikolinieritas antar variabel bebas.  Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2005; 105 . P e n e l i t i a n | 52 Salah satu cara untuk mengujinya adalah dengan metode grafik yaitu melihat ada tidaknya pola tertentu pada grafik plot dan dasar pengambilan keputusannya adalah: a Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Gambar 3.2 Grafik Uji Heterokedastisitas Deteksi heteroskedastisitas dapat juga dilihat dari grafik Scatterplot. Jika tidak ada pola yang jelas serta titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas. Dari grafik Scatterplot yang dihasilkan terlihat hampir semua titik menyebar secara acak, tidak membentuk pola tertentu yang jelas serta tersebar diatas maupun dibawah angka 0 pada sumbu Y sehingga disimpulkan model reg resi bebas heteroskedastisitas. P e n e l i t i a n | 53  Uji Autokorelasi Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari observasi yang satu dipengaruhi oleh error dari observasi yang sebelumnya. Akibat dari adanya autokorelasi dalam model regresi, koefisien regresi yang diperoleh menjadi tidak efisien, artinya tingkat kesalahannya menjadi sangat besar dan koefisien regresi menjadi tidak stabil. Tabel 3.7 Nilai Durbin Watson Durbin-Watson Kesimpulan Kurang dari 1,10 Ada korelasi 1,10 - 1,54 Tanpa kesimpulan 1,55 – 2,45 Tidak ada autokorelasi 2,46 – 2,90 Tanpa kesimpulan Lebih dari 3 Ada korelasi Gujarati, 2003: 470 Tabel 3.8 Nilai Durbin-Watson Untuk Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .671 a .450 .420 64.22605 1.914 a. Predictors: Constant, roa, per b. Dependent Variable: return Berdasarkan hasil pengolahan data diperoleh nilai statistik Durbin-Watson D-W = 1,914, sementara dari tabel nilai Durbin Watson untuk jumlah variabel bebas = 2 dan jumlah pengamatan n = 40, yaitu diantara 1,55-2,45 daerah tidak ada autokorelasi maka dapat disimpulkan tidak terjadi autokorelasi pada model regressi. Setelah keempat asumsi regresi diuji dan terpenuhi, selanjutnya dilakukan pengujian hipotesis, yaitu pengaruh Rasio Harga Laba Price Earning Ratio P e n e l i t i a n | 54 PER dan Rasio Pengembalian Aktiva Return On Asset ROA terhadap return saham. b. Analisis Korelasi Yang dimaksud analisi korelasi menurut Andi Supangat 2007:339 adalah: “Tingkat hubungan antara dua variabel atau lebih”. Sedangkan untuk mencari koefisien korelasi antara variabel X1 dan Y, Variabel X2 dan Y, X1 dan X2 sebagai berikut : Sumber: Nazir, 2003: 464 Langkah-langkah perhitungan uji statistik dengan menggunakan analisis korelasi dapat diuraikan sebagai berikut: b. Koefisien Korelasi Parsial Koefisien korelasi parsial antar X1 terhadap Y, bila X2 dianggap konstan dapat dihitung dengan menggunakan rumus sebagai berikut: Koefisien korelasi parsial antar X2 terhadap Y, apabila X1 dianggap konstan dapat dihitung dengan menggunakan rumus sebagai berikut: P e n e l i t i a n | 55 c. Koefisien Korelasi Secara Simultan Koefisien korelasi simultan antar X1 dan X2 terhadap Y dapat dihitung dengan menggunakan rumus sebagai berikut: Besarnya koefisien korelasi adalah - 1 ≤ r ≤1 : 1. Apabila - berarti terdapat hubungan negatif. 2. Apabila + berarti terdapat hubungan positif. Interprestasi dari nilai koefisien korelasi : 1. Jika r = -1 atau mendekati -1, maka hubungan antara kedua variabel kuat dan mempunyai hubungan yang berlawanan jika X naik maka Y turun atau sebaliknya. 2. Jika r = +1 atau mendekati +1, maka hubungan yang kuat antara variabel X dan variabel Y dan hubungannya searah. Sedangkan harga r akan dikonsultasikan dengan tabel interprestasi nilai r sebagai berikut : Tabel 3.9 Pedoman Interpretasi Koefisien Korelasi Interval Koefisien Tingkat Hubungan 0,00 – 0,199 Sangat Rendah 0,20 – 0.399 Rendah 0,40 – 0,599 Sedang 0,60 – 0,799 Kuat P e n e l i t i a n | 56 0,80 – 1,000 Sangat Kuat Sumber: Sugiyono 2010:250 Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang R 2 nya kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Analisis Koefisiensi Determinasi KD digunakan untuk melihat seberapa besar variabel independen X memiliki dampak terhadap variabel dependen Y yang dinyatakan dalam persentase. Besarnya koefisien determinasi dihitung dengan menggunakan rumus sebagai berikut: 3 Keterangan: Kd :Koefisien Determinasi r2 :Koefisien Korelasi

3.2.5.2 Pengujian Hipotesis

Rancangan pengujian hipotesis ini dinilai dengan penetapan hipotesis nol dan hipotesis alternatif, penelitian uji statistik dan perhitungan nilai uji statistik, perhitungan hipotesis, penetapan tingkat signifikan dan penarikan kesimpulan. Hipotesis yang akan digunakan dalam penelitian ini berkaitan dengan ada tidaknya pengaruh variabel bebas terhadap variabel terikat. Hipotesis nol H o tidak terdapat pengaruh yang signifikan dan Hipotesis alternatif H a menunjukkan adanya pengaruh antara variabel bebas dan variabel terikat. Kd = r 2 x 100 P e n e l i t i a n | 57 Rancangan pengujian hipotesis penelitian ini untuk menguji ada tidaknya pengaruh antara variabel independen yaitu price earning ratio PER sebagai X 1 dan return on asset ROA sebagai X 2 dampaknya terhadap return saham sebagai variabel dependen Y, dengan langkah-langkah sebagai berikut : 1. Hipotesis Penelitian Berdasarkan identifikasi masalah yang dikemukakan sebelumnya, maka dalam penelitian ini penulis mengajukan hipotesis sebagai berikut: a Hipotesis parsial antara variabel bebas price earning ratio PER terhadap variabel terikat return saham. Ho: Tidak terdapat pengaruh yang signifikan price earning ratio PER terhadap return saham. Ha: Terdapat pengaruh yang signifikan signifikan price earning ratio PER terhadap return saham b Hipotesis parsial antara variabel bebas return on asset ROA terhadap variabel terikat return saham. Ho: Tidak terdapat pengaruh yang signifikan return on asset ROA terhadap return saham Ha : Terdapat pengaruh yang signifikan return on asset ROA terhadap return saham c Hipotesis secara keseluruhan antara variabel bebas price earning ratio PER dan return on asset ROA terhadap variabel terikat return saham Ho : Tidak terdapat pengaruh yang signifikan antara price earning ratio PER dan return on asset ROA terhadap return saham P e n e l i t i a n | 58 H a : Terdapat pengaruh yang signifikan antara price earning ratio PER dan return on asset ROA terhadap return saham a. Hipotesis Statistik  Pengujian Hipotesis Secara Parsial Uji Statistik t.