64
4. to strengthen investor’s protection.
5. to create market integrity and transparency.
6. to create high competencies and favorable choice for human
resource.
4.2. Deskripsi Hasil Pengujian Hipotesis 4.2.1. Uji Normalitas
Dalam pengujian normalitas data dengan menggunakan uji Kolmogorof-Smirnov dengan menggunakan program SPSS, dimana
apabila nilai signifikansi probabilitas yang diproleh lebih besar dari nilai signifikansi yang telah ditetapkan dalam penelitian 5 maka data
tersebut telah terdistribusi normal. Santoso, 2001 : 97 Pedoman dalam mengambil keputusan apakah sebuah distribusi data
mengikuti distribusi normal adalah : • Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. • Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka
distribusi adalah normal.
65
Tabel 4.1. Normalitas Data Masing-masing Variabel
Sumber : Lampiran Dari tabel 4.1 diatas, terlihat bahwa nilai Kolmogrov Smirnov
setiap variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa distribusi dari data adalah mengikuti pola distribusi normal.
4.2.2. Uji Asumsi Klasik 4.2.2.1 Autokorelasi
Salah satu metode yang digunakan untuk mendeteksi adanya autokorelasi adalah dengan metode Uji Durbin-Watson d. Adapun
pengujiannya adalah sebagai berikut : 1.
Banyaknya sampel N = 50 2.
Banyarknya variabel bebas k = 3 3.
Taraftingkat signifikansi yang digunakan α = 0,05
66
Tabel 4.2. Data Autokorelasi
Selanjutnya dilihat pada tabel Durbin Watson nilai Durbin Watson sebesar 1.182. Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu
dilihat pada tabel Durbin Watson dengan jumlah variabel bebas adalah 3 dan jumlah sampel adalah 50 maka diperoleh DL = 1.421 dan DU = 1,674
serta 4 – DL = 2.579 dan 4 – DU = 2,326 Adapun kriteria pengujiannya adalah sebagai berikut :
Tabel 4.3. Batas-batas daerah Test Durbin Watson
Daerah Keterangan
Kurang dari 1.421 1.421 dan 1,674
1,674 dan 2,326 2,326 dan 2.579
DW ≥ 2.579
Autokorelasi positif Tanpa kesimpulaninconclusive
Non autokorelasi Tanpa kesimpulaninconclusive
Autokorelasi negatif Sumber
: data diolah Sedangkan nilai Durbin Watson dari perhitungan DW = 1.182dan nilai ini
terletak pada daerah Autokorelasi positif.
67
4.2.2.2 Multikolinearitas
Untuk mengetahui ada atau tidaknya gejala multikolinier pada model regresi linier berganda yang dihasilkan dapat dilakukan dengan
menghitung nilai Variance Inflation Factor VIF dari masing-masing variabel bebas dalam model regresi.
Tabel 4.4 : Hasil Pengujian Multikolinieritas
Sumber : Lampiran
Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity statistics, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, yang
artinya seluruh variabel bebas pada penelitian ini tidak ada gejala multikolinier.
4.2.2.3 Heteroskedastisitas
Penyimpangan asumsi model klasik yang lain adalah adanya heteroskedastisitas. Artinya, varians variabel dalam model tidak sama
konstan. Hal ini bisa diindentifikasi dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas.
68
Tabel 4.5 : Hasil Pengujian Heteroskedastisitas
Berdasarkan lampiran dapat dilihat korelasi untuk variabel ROE X
1
dengan nilai probabilitassignifikansi sebesar 0.869, korelasi untuk variabel LDR X
2
dengan nilai probabilitas signifikansi sebesar 0,819. korelasi untuk variabel DER X
3
dengan nilai probabilitas signifikansi sebesar 0,717. Dimana nilai probabilitassignifikansi tersebut lebih besar
dari 5 yang berarti tidak terdapat korelasi atau hubungan dengan masing-masing variabel bebas yang diteliti.
4.2.3. Hasil Pengujian Regresi Linier Berganda
Hasil analisis mengenai koefisien model regresi adalah seperti yang tercantum dalam Tabel 4.6 berikut ini.
69
Tabel 4.6 Koefisien Regresi
Sumber : Lampiran Berdasarkan Tabel 4.6 tersebut, maka model regresi yang diperoleh
adalah sebagai berikut : Y =
α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e Y = 4604.157 + 158.466 X
1
- 8.454 X
2
- 431.318 X
3
+ e
Dengan asumsi bahwa variabel X
1
, X
2,
X
3
adalah nol atau konstan maka nilai Harga Saham Y adalah sebesar 4604.157
Koefisien regresi untuk variabel ROE X
1
diperoleh nilai 158.466 mempunyai positif, hal ini menunjukkan terjadinya perubahan yang searah
dengan variabel terikat. Jadi semakin besar nilai ROE X
1
akan menaikkan nilai Harga Saham Y dengan asumsi bahwa variabel yang
lainnya adalah konstan. Koefisien regresi untuk variabel LDR X
2
diperoleh nilai - 8.454 mempunyai koefisien regresi negatif, hal ini menunjukkan terjadinya
perubahan yang berlawanan arah dengan variabel terikat. Jadi semakin besar nilai LDR X
2
akan menurunkan nilai Harga Saham Y dengan asumsi bahwa variabel yang lainnya adalah konstan.
70
Koefisien regresi untuk variabel DER X
3
diperoleh nilai -
431.318 mempunyai koefisien regresi negatif, hal ini menunjukkan terjadinya perubahan yang berlawanan arah dengan variabel terikat. Jadi
semakin besar nilai DER X
3
akan menurunkan nilai Harga Saham Y dengan asumsi bahwa variabel yang lainnya adalah konstan.
4.2.4. Hasil Pengujian Uji F dan uji t
Uji F digunakan untuk menguji cocok atau tidaknya model regresi yang dihasilkan dan uji t digunakan untuk menguji pengaruh masing-
masing variabel bebas terhadap variabel terikat. Adapun hasil dari uji F dan uji t adalah sebagai berikut :
Tabel 4.7 : Hasil Uji F
Sumber : Lampiran Berdasarkan uji F pada tabel 4.7 di atas menunjukkan tingkat
signifikan untuk uji F sebesar 0,000. Karena nilai probabilitas 0,05 sig 5, berarti ROE X
1
, LDR X
2
, DER X
3
berpengaruh terhadap Harga Saham Y, sehingga model regresi yang dihasilkan adalah sesuai.
71
Tabel 4.8 : Hasil Uji t
Hasil uji t pada tabel di atas menunjukkan bahwa : 1. Berdasarkan hasil pengujian diatas variabel ROE X
1
signifikannya sebesar 0.000. Karena tingkat signifikan pada variabel ini lebih kecil dari
5 sig 5, maka H ditolak dan H
1
diterima. Hal ini berarti variabel ROE X
1
secara parsial berpengaruh terhadap Harga Saham. 2. Variabel LDR X
2
tingkat signifikan sebesar 0.551. Karena tingkat signifikan pada variabel ini lebih besar dari 5 sig 5, maka H
diterima dan H
1
ditolak. Hal ini berarti variabel LDR X
2
secara parsial tidak berpengaruh terhadap Harga Saham.
3. Variabel DER X
3
tingkat signifikan sebesar 0,000. Karena tingkat signifikan pada variabel ini lebih kecil dari 5 sig 5, maka H
ditolak dan H
1
diterima. Hal ini berarti variabel DER X
3
Berdasarkan hasil pengujian untuk variabel Rentabilitas ROE secara parsial berpengaruh terhadap Harga Saham, hal ini menunjukkan
secara parsial berpengaruh terhadap Harga Saham.
4.3. Pembahasan