16
antara Arus kas X
1
dengan Return saham Y. Koefisien regresi variabel X
1
sebesar 0,039 mengandung arti untuk setiap pertambahan Arus kas X
1
sebesar satu satuan akan menyebabkan meningkatnya Return saham Y sebesar 0,039.
Koefisien regresi untuk variabel bebas X
2
bernilai positif, menunjukkan adanya hubungan yang searah antara Laba bersih X
2
dengan Return saham Y. Koefisien regresi variabel X
2
sebesar 0,033 mengandung arti untuk setiap pertambahan Laba bersih X
2
sebesar satu satuan akan menyebabkan meningkatnya Return saham Y sebesar 0,033.
4.3.2. Uji Asumsi Klasik 4.3.2.1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang diambil berasal dari populasi yang berdistribusi normal. Model regresi yang baik adalah
berdistribusi normal atau mendekati normal. Jika data tidak mengikuti pola sebaran distribusi normal, maka akan diperoleh taksiran yang bias. Pengujian
normalitas dilakukan melalui tes Kolmogorov-Smirnov koreksi Lilliefors. Dengan bantuan software SPSS 13 diperoleh hasil sebagai berikut :
94
16
4 3
2 1
-1 -2
Regression Standardized Residual
12 10
8 6
4 2
Frequency
Mean = 6.94E-18 Std. Dev. = 0.965
N = 30
Dependent Variable: return_saham Histogram
One-Sample Kolmogorov-Smirnov Test
30 .0000000
32.64266441 .235
.235 -.152
1.287 .073
N Mean
St d. Dev iation Normal Parameters
a,b
Absolute Positiv e
Negativ e Most Ext reme
Dif f erences Kolmogorov -Smirnov Z
Asy mp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated f rom dat a. b.
Tabel 4.5 Uji Normalitas
Gambar 4.4 Uji Normalitas
Analisis kenormalan
berdasarkan metode
Kolmogorov-Smirnov mensyaratkan kurva normal apabila nilai Asymp. Sig. berada di atas batas
maximum error, yaitu 0,05. Adapun dalam analisis regresi, yang diuji kenormalan
95
16
Coeffi cients
a
.974 1.026
.974 1.026
arus_kas laba_bersih
Model 1
Tolerance VI F
Collinearity Statistics
Dependent Variable: return_saham a.
adalah residual atau variabel gangguan yang bersifat stokastik acak, maka data di atas dapat digunakan karena variable residu berdistribusi normal.
4.3.2.2. Uji Multikolinearitas
Multikolinieritas merupakan sesuatu dimana beberapa atau semua variabel bebas berkorelasi tinggi. Untuk mendeteksi ada tidaknya multikolinearitas adalah
dengan menggunakan Variance Inflation Factors VIF. Dengan bantuan software SPSS 13
diperoleh hasil sebagai berikut :
Tabel 4.6 Uji Multikolinearitas
Dari output di atas dapat dilihat bahwa nilai VIF kurang dari 10, sehingga dapat disimpulkan bahwa tidak terdapat multikolinearitas dalam data.
4.3.2.3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada satu pengamatan dengan pengamatan lain pada model regresi. Uji autokorelasi dilakukan dengan menggunakan uji statistik Durbin Watson, yaitu
96
16
Model Summary
b
1.877 Model
1 Durbin-
Wat son Dependent Variable: return_saham
b.
dengan membandingkan angka Durbin-Watson hitung DW dengan nilai kritisnya dL dan dU.
Kriteria pengambilan kesimpulan : • Jika DW dL atau DW 4 – dL, maka terdapat autokorelasi.
• Jika dU DW 4 – dU, maka tidak terdapat autokorelasi. • Jika dL ≤ DW ≤ dU atau 4 – dU ≤ DW ≤ 4 – dL, uji Durbin Watson tidak
menghasilkan kesimpulan yang pasti inconclusive. Dengan ukuran sample n = 30,
= 0,05 dan banyaknya variabel independen k = 2, didapat nilai kritis dL = 1,2837 dan dU =1,5666.
Hasil pengujian autokorelasi disajikan pada tabel berikut : Tabel 4.7
Uji Autokorelasi
Berdasarkan tabel diatas diperoleh nilai Durbin-Watson sebesar 1,877. Karena nilai DW berada di antara dU 1,5666 DW 1,877 4
– dU 2,4334, maka dapat disimpulkan tidak terdapat autokorelasi.
4.3.2.4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
97
16
Correlati ons
-.018 .925
30 -.196
.300 30
Correlation Coef f icient Sig. 2-tailed
N Correlation Coef f icient
Sig. 2-tailed N
arus_kas
laba_bersih Spearmans rho
Unstandardiz ed Residual
4 3
2 1
-1 -2
Regression Studentized Residual
2 1
-1 -2
-3 -4
R egr
es si
on St
and ar
di ze
d Pr
edi ct
ed
Va lue
Dependent Variable: return_saham Scatterplot
lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas. Untuk menguji ada tidaknya heteroskedastisitas
dilakukan dengan cara mengkorelasikan setiap variable bebas dengan nilai mutlak residualnya menggunakan korelasi Rank Spearman. Dengan bantuan software
SPSS 13 diperoleh hasil sebagai berikut :
Tabel 4.8 Uji Heteroskedastisitas
98
16
Model Summary
.767
a
.588 .557
33.83006 Model
1 R
R Square Adjusted
R Square St d. Error of
the Estimate Predictors: Constant, laba_bersih, arus_kas
a.
Tabel 4.5 Uji Heteroskedastisitas
Dari output di atas dapat dilihat bahwa terdapat korelasi yang tidak signifikan. Hal ini dilihat dari nilai p-value Sig yang lebih besar dari 0,05.
Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi.
4.3.3. Analisis Korelasi Berganda
