Untuk mengetahui variabel mana yang berpengaruh dominan terhadap harga saham yaitu dengan melihat nilai korelasi parsial yang
tertinggi. Berikut hasil nilai korelasi parsial setiap variabel yaitu sebagai berikut :
Tabel 4.14 Nilai Korelasi Parsial
Model Korelasi Parsial
Return On Assets X
1
0,237 Debt to Equity Ratio X
2
0,363 Resiko Sistematik X
3
-0,220 Sumber : Lampiran 8B
Berdasarkan tabel 4.14 di atas, nilai korelasi parsial tertinggi adalah korelasi parsial pada variabel Debt to Equity Ratio X
2
, hal ini menunjukkan bahwa variabel Debt to Equity Ratio X
2
adalah variabel yang lebih dominan pengaruhnya terhadap harga saham,
sehingga hipotesis ke-2 “Bahwa Return On Assets X
1
berpengaruh dominan terhadap harga saham Y pada perusahaan tekstil yang go
public di Bursa Efek Indonesia tidak teruji kebenarannya.
4.6. Uji Kualitas Data Sesudah Perbaikan Data 4.6.1. Uji
Normalitas.
Perbaikan data dengan melakukan transformasi data, menyebabkan beberapa data dibaca oleh system SPSS sebagai missing value karena nilai
data yang bersangkutan bernilai negative atau ≤ 0. Dengan demikian, oleh
karena adanya data missing value, maka analisis regresi dilakukan dengan hanya menggunakan 12 data saja data yang lengkap untuk X
1
, X
2
, X
3
dan Y. Tabel 4.15. adalah hasil uji normalitas setelah dilakukan transformasi
data.
Tabel 4.15. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
32 22
15 32
-6.68814785 .8239
-.7488 6.192216672
11.2964752 1.52566
2.03237 1.12995458
.163 .141
.157 .160
.086 .141
.103 .160
-.163 -.088
-.157 -.079
.924 .660
.609 .907
.361 .777
.852 .383
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed ROA X1
DER~ X2
Resiko Sistemik~
X3 Harga
Saham~ Y
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 9 Setelah dilakukan transformasi data, seluruh variabel X dan
variabel Y memiliki nilai signifikan lebih besar dari 0,05, dengan demikian dapat disimpulkan bahwa data penelitian memiliki distribusi data yang
normal.
4.7. Uji Asumsi Klasik Sesudah Perbaikan Data
Setelah dilakukan perbaikan data penelitian dengan transformasi seluruh variabel penelitian, maka hasil dari asumsi klasik itu adalah sebagai
berikut: 1. Uji Multikolinieritas
Hasil uji multikolinieritas yang ada sebelum dilakukan perbaikan data menunjukkan bahwa nilai VIF dari masing-masing variabel X
memiliki nilai lebih kecil dari 10 sehingga tidak terjadi multikolinieritas pada data penelitian. Setelah dilakukan perbaikan data hasil uji
multikolinieritas dapat dilihat pada tabel 4.16.
Tabel 4.16. Hasil Uji Multikolinieritas
Collinearity Statistics Model
Tolerance VIF Return On Assets X
1
0,131 7,655
Debt to Equity Ratio X
s
0,111 8,975
Resiko Sistematik X
3
0,555 1,802
Sumber : Lampiran 10A
Setelah data diperbaiki dengan melakukan transformasi, nilai VIF yang ditunjukkan pada tabel 4.16 tetap lebih kecil dari 10. Dengan
demikian dapat disimpulkan bahwa pada model regresi tidak terjadi multikolinieritas.
2. Uji Heteroskedastisitas Hasil uji heteroskedastisitas yang ada sebelum dilakukan perbaikan
data menunjukkan bahwa nilai signifikan koefisien korelasi residual dari masing-masing variabel X memiliki nilai signifikan lebih besar dari
0,05 sehingga tidak terjadi heteroskedastisitas pada data penelitian. Setelah dilakukan perbaikan data hasil uji heteroskedastisitas dapat
dilihat pada tabel 4.17.
Tabel 4.17. Hasil Uji Heteroskedastisitas
Sumber: Lampiran 10B Setelah data diperbaiki dengan melakukan transformasi, nilai
signifikan koefisien korelasi residual Rank Sperman semua variabel bebas tetap lebih besar dari 0,05. Dengan demikian dapat disimpulkan
bahwa pada model regresi tidak terjadi multikolinieritas. 3. Uji Autokorelasi
Variabel Nilai Signifikansi
Korelasi Rank Spearman Return On Assets X1
0,356 Debt to Equity Ratio X2
0,348 Resiko Sistematik X3
0,256
Setelah dilakukan perbaikan data penelitian dengan transformasi seluruh variabel penelitian, hasil uji autokorelasi dapat dilihat pada
tabel 4.18.
Tabel 4.18. Hasil Uji Autokorelasi
Model Summary
b
.566
a
.320 .066
.8627775679 1.448
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Resiko Sistemik~ X3, ROA X1, DER~ X2 a.
Dependent Variable: Harga Saham~ Y b.
Sumber : Lampiran 10A Berdasarkan tabel 4.18. nilai DW sebesar 1,448 terletak diantara dl
= 0,658 dan du = 1,864, berarti bahwa dalam persamaan regresi tidak ada Autokorelasi. Dengan demikian dapat disimpulkan bahwa asumsi tidak
terjadi autokorelasi dapat dipenuhi.
4.8. Analisis dan Uji Hipotesis Sesudah Perbaikan Data
