F. Metode Analisis Data
Dalam menganalisis data, peneliti menggunakan program SPSS 18.0. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik.
Untuk mengetahui pengaruh dari masing-masing variabel yang diteliti terhadap harga saham, maka penelitian ini menggunakan analisis regresi linear berganda
dengan terlebih dahulu melakukan pengujian asumsi klasik.
1. Pengujian Asumsi Klasik
Peneliti melakukan uji asumsi klasik sebelum melakukan pengujian hipotesis, antara lain :
a. Uji Normalitas
Ghozali 2006 : 110 mengatakan uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Model regresi yang baik hendaknya memiliki distribusi normal atau mendekati normal. Ada dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
Normalitas data dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Data yang menyebar di sekitar dan mengikuti
arah garis diagonal menandakan bahwa data berdistribusi normal dan memenuhi asumsi normalitas. Uji statistik juga dapat digunakan untuk
menguji apakah residual berdistribusi normal atau tidak yaitu dengan uji statistik non parametrik Kolmogorov-Smirnov K-S. Apabila nilai
signifikansi lebih besar dari 0.05 maka data residual berdistribusi normal.
Universitas Sumatera Utara
Sebaliknya, jika nilai signifikansi lebih kecil dari 0.05 maka data residual tidak berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebasindependen Ghozali,
2006 : 91. Multikolinearitas adalah situasi adanya korelasi variabel- variabel independen antara yang satu dengan yang lainnya. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai Variance
Inflation Factor VIF dan korelasi di antara variabel independen. Jika nilai VIF 10, maka terjadi multikolinearitas di antara variabel
independen. c.
Uji Heterokedastisitas Uji heterokedastisitas bertujuan untuk mengetahui apakah dalam
sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain Umar, 2008 : 179. Jika varian dari
residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model
regresi yang baik adalah tidak terjadi heterokedastisitas. Untuk melihat ada tidaknya heteroskedastisitas dilakukan dengan
mengamati grafik scatterplot antara nilai prediksi variabel terikat dengan residualnya. Deteksi ada tidaknya heterokedastisitas dilakukan dengan
Universitas Sumatera Utara
melihat ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis Ghozali, 2006 : 105 :
1 jika ada pola tertentu, seperti titik-titik yang membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas,
2 jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2008 : 106. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun
yang berkaitan satu dengan lainnya. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi, di antaranya dengan
Uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama dan mensyaratkan adanya konstanta dalam model regresi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut Ghozali, 2006 : 96 :
1 bila nilai Durbin-Watson DW terletak antara batas atas atau
Upper Bound DU dan 4-DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi,
2 bila nilai Durbin-Watson DW lebih rendah daripada batas bawah
atau Lower Bound DL maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif,
3 bila nilai Durbin-Watson DW lebih besar daripada 4-DL, maka
koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif,
Universitas Sumatera Utara
4 bila nilai Durbin-Watson DW terletak antara batas atas DU dan
batas bawah DL atau DW terletak antara batas antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan.
2. Koefisien Determinasi R