Uji Normalitas METODE PENELITIAN

33

3.3. Teknik Pengumpulan Data

3.3.1. Jenis Data dan Sumber Data

Jenis data yang digunakan adalah data sekunder yaitu data yang diambil dari laporan keuangan perusahaan yang diteliti atau data yang dikumpulkan dari Bursa Efek Indonesia baik berupa brosur, prospektus maupun laporan keuangan masing – masing perusahaan sehingga sumber data yang digunakan dalam penelitian ini diperoleh dari Bursa Efek Indonesia.

3.3.2. Pengumpulan Data

Teknik pengumpulan data yang digunakan adalah dokumentasi yaitu pengumpulan data dengan cara mengumpulkan dan mempelajari catatan-catatan atau dokumen-dokumen perusahaan yang berkaitan.

3.4. Uji Normalitas

Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak, Sumarsono, 2002:40. Untuk mengetahui apakah data tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov. Fungsi pengujian suatu data dikategorikan berdistribusi normal atau tidak adalah sebagai alat kesimpulan populasi berdasarkan data sampel. Sampel yang diteliti dikatakan berasal dari populasi yang berdistribusi normal jika nilai probabilitas atau signifikan sig lebih besar daripada tingkat kesalahan yang ditetapkan α = 0,05. Jika nilai probabilitas atau signifikan sig lebih kecil daripada tingkat kesalahan yang ditetrapkan α = 0,05, maka sampel yang diteliti berasal dari populasi yang tidak berdistribusi normal. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 34 3.5. Uji Asumsi Klasik Pengujian ini dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas dan heterokedastisitas dalam hasil estimasi. Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best Linier Unbiassed Estimator, sifat dari BLUE itu sendiri adalah : 1. Best : Pentingnya sifat ini bila diterapkan dalam uji signifikan buku terhadap α dan β 2. Linier : Sifat ini dibutuhkan untuk memudahkan dalam penaksiran 3. Unbiassed : Nilai jumlah sampel sangat besar penaksiran parameter diperoleh dari sampel besar kira - kira lebih mendekati nilai parameter sebenarnya 4. Estimator : e diharapkan sekecil mungkin Untuk menghasilkan model persamaan regresi yang BLUE Best Linier Unbiassed Estimator maka harus dipenuhi tiga asumsi dasar yang disebut : 1 Autokorelasi Autokorelasi didefinisikan sebagai korelasi antara kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul pada data observasi yang berurutan sepanjang waktu berkaitan satu sama lain, masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Uji untuk mendeteksi ada atau tidaknya autokorelasi dapat digunakan uji Durbin Watson DW test dibantu dengan membandingkan nilai pada table statistic d dari Durbin Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 35 Watson yang menggunakan derajat kepercayaan 0,05. Ghozali, Imam. 2001 : 61. 2 Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Salah satu cara untuk mendeteksi ada atau tidak adanya heterokedastisitas adalah dengan menggunakan uji rank spearman yaitu dengan membandingkan antara residu dengan seluruh variabel bebas. Menurut Santoso, 2002 : 301 deteksi adanya heterokedastisitas adalah : a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas. b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas. 3 Multikolinieritas Multikoliner adalah terjadinya hubungan linier antar variabel bebas dalam persamaan regresi linier berganda. Apabila ternyata ada hubungan linier antar variabel bebas, maka persamaan regresi linier berganda tersebut terjadi multikolinier. Menurut Singgih Santoso,2002 : 206, untuk mendeteksi atau pedoman suatu model regresi yang bebas multikolinieritas dapat dilihat ciri-cirinya sebagai berikut : a. Mempunyai nilai VIF kurang dari angka 10. b. Mempunyai angka TOLERANCE mendekati 1. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 36 3.6. Teknik Anilisis Dan Uji Hipotesis 3.6.1. Teknik Analisis

Dokumen yang terkait

Pengaruh Laba Akuntansi dan Komponen Arus Kas Terhadap Harga Saham Di Bursa Efek Indonesia

3 82 75

Pengaruh Informasi Laba Akuntansi, Total Arus Kas Dan Komponen Arus Kas Terhadap Harga Saham Pada Perusahaan Perbankan Yang Go Public Di Bursa Efek Indonesia

2 32 127

ANALISIS PENGARUH INFORMASI LABA AKUNTANSI DAN KOMPONEN ARUS KAS TERHADAP HARGA SAHAM PADA PERUSAHAAN REAL ESTATE DAN PROPERTY YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI).

0 5 22

PENGARUH INFORMASI LABA AKUNTANSI, ARUS KAS DAN KOMPONEN ARUS KAS TERHADAP HARGA SAHAM PADA PERUSAHAAN MANUFAKTUR OTOMOTIF YANG GO PUBLIK DI BURSA EFEK INDONESIA (BEI).

1 1 93

PENGARUH KANDUNGAN INFORMASI ARUS KAS DAN LABA AKUNTANSI TERHADAP HARGA SAHAM PADA PERUSAHAAN FOOD AND BAVERAGE YANG GO PUBLIK DI BURSA EFEK INDONESIA.

0 3 114

PENGARUH LABA AKUNTANSI DAN KOMPONEN ARUS KAS TERHADAP RETURN SAHAM PADA PERUSAHAAN FOOD AND BEVERAGE YANG GO PUBLIK DI BURSA EFEK INDONESIA.

2 5 84

LABA AKUNTANSI DAN ARUS KAS OPERASI TERHADAP PERUBAHAN HARGA SAHAM PADA PERUSAHAAN OTOMOTIF YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI)

0 0 16

PENGARUH KANDUNGAN INFORMASI ARUS KAS DAN LABA AKUNTANSI TERHADAP HARGA SAHAM PADA PERUSAHAAN FOOD AND BAVERAGE YANG GO PUBLIK DI BURSA EFEK INDONESIA SKRIPSI

0 0 22

PENGARUH INFORMASI LABA AKUNTANSI, ARUS KAS DAN KOMPONEN ARUS KAS TERHADAP HARGA SAHAM PADA PERUSAHAAN MANUFAKTUR OTOMOTIF YANG GO PUBLIK DI BURSA EFEK INDONESIA (BEI)

0 0 22

PENGARUH INFORMASI LABA AKUNTANSI, DAN KOMPONEN ARUS KAS TERHADAP HARGA SAHAM PADA PERUSAHAAN OTOMOTIF YANG GO PUBLIK DI BURSA EFEK INDONESIA (BEI) SKRIPSI

0 0 19