7 PT. Taisho Pharmaceutical Indonesia Tbk
SQBB 29 Maret 1983
8 PT. Tempo Scan Pasific Tbk
TSPC 17 Januari 1994
Sumber: www.idx.co.id
data diolah
3.7 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini dilakukan melalui studi dokumentasi dengan mengumpulkan data pendukung berupa literatur, penelitian
terdahulu, buku-buku referensi untuk mendapatkan gambaran mengenai masalah yang diteliti dan laporan-laporan yang dipublikasikan oleh Bursa Efek Indonesia.
3.8 Jenis Data
Data dalam penelitian ini adalah data sekunder yang diperoleh melalui laporan yang dipublikasikan oleh Bursa Efek Indonesia melalui situs
www.idx.co.id. Data sekunder adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data Kuncoro,
2003: 127.
3.9 Teknik Analisis
3.9.1 Analisis Regresi Linear Berganda
Teknik analisis data yang digunkan dalam penelitian ini yaitu analisis regresi linier berganda, yang bertujuan untuk mengetahui pengaruh dari variabel
independen Debt To Equity Ratio DER, Return On Investment ROI dan Earning Per Share
EPS terhadap variabel dependen Harga Saham Perusahaan Farmasi yang terdaftar di Bursa Efek Indonesia. Pengolahan data dilakukan
Universitas Sumatera Utara
dengan bantuan program Software SPSS Statistic Package for the Social Sciens 18.0 for windows. Untuk mencapai tujuan dalam penelitian ini, maka pengujian
asumsi klasik perlu dilakukan untuk memastikan apakah model regresi linier berganda yang digunakan tidak terdapat masalah normalitas, multikolinieritas,
heteroskedastisitas, dan autokorelasi. Model yang digunakan dirumuskan sebagai berikut:
Y = α + b
1
X
1
+ b
2
X
2
+ b
3
X
3 +
e
Keterangan: Y
= Harga Saham α =
Konstanta b
1,
b
2,
b
3
= Koefisien regresi variabel X
1,
X
2,
X
3.
X
1
= Debt to Equity Ratio DER X
2
= Return On Investment ROI X
3
= Earning Per Share EPS e
= Terms of error
variabel yang tidak diteliti
3.9.2 Uji Asumsi Klasik
Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data-data tersebut di analisis adalah sebagai berikut :
Universitas Sumatera Utara
1. Uji Normalitas
Tujuan uji normalitas adalah untuk 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 tersebut tidak menceng kiri atau menceng
kanan. Dengan adanya tes normalitas, maka hasil penelitian bisa digeneralisasikan pada populasi. Metode klasik dalam pengujian normalitas suatu data tidak begitu
rumit. Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka n30, maka sudah dapat diasumsikan
berdistribusi normal. Bisa dikatakan sebagai sampel besar. 1.
Analisis Grafik Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan
menggunakan grafik histogram dan normal probability. 2.
Analisis Statistik Pengujian normalitas ini akan dilakukan dengan uji statistic non-parametrik
Kolmogrov-Smirnov K-S Ghozali, 2005:27. Untuk melihat apakah suatu data mempunyai distribusi normal, maka kriterian pengujiannya adalah
sebagai berikut: a.
Jika angka signifikan 0,05 maka data mempunyai distribusi normal b.
Jika angka signifikan 0,05 maka data tidak mempunyai distribusi normal.
Universitas Sumatera Utara
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam
model regresi antara lain dapat dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 varians factor VIF. Nilai cut off yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10 Ghozali, 2009.
3. Uji Heteroskedastisitas
Uji heterokedasitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians. Jika varians sama, dan ini seharusnya yang terjadi
dikatakan homoskedastisitas. Sedangkan jika varians tidak sama dikatakan heteroskedastisitas Situmorang dan Lufti, 2011: 8. Pengambilan keputusan
untuk ada tidaknya heteroskedastisitas adalah sebagai berikut:
a. Pendekatan Grafik
Dengan dasar pengambilan keputusan sebagai berikut: 1.
Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas.
Universitas Sumatera Utara
2. Jika Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2005:30.
b. Pendekatan Statistik
Pendekatan statistik cukup dengan melakukan uji Glejser. Pengujian ini dilakukan dengan men-transform data Understandardized Residual ke
dalam Absut Situmorang dan Lufti, 2011: 116. Dari hasil output akan diketahui berapa besar nilai signifikansinya. Apabila nilai Signifikansi
Sig 5 disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t
dengan kesalahan pengganggu pada periode sebelumnya. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya Situmorang dan Lufti, 2011: 120. Metode yang dapat digunakan untuk mendeteksi ada atau tidaknya
autokorelasi salah satunya adalah dengan menggunakan uji Durbin Watson, dengan kriteria pengambilan keputusan sebagai berikut:
Universitas Sumatera Utara
Tabel 3.4 Kriteria
Pengambilan Keputusan Durbin Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4 – dl d 4
Tidak ada korelasi negatif No decision
4 – du ≤ d ≤ 4 - dl
Tidak ada autokorelasi positif atau negatif Tidak ditolak
du d 4 - du Sumber: Situmorang dan Lufti 2011: 126
Keterangan: du = batas atas
dl = batas bawah
3.10 Pengujian Hipotesis
