BAB III METODE PENELITIAN
F. Metode Analisis Data
3.1 Pengujian Asumsi Klasik
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik
dengan menggunakan program software SPSS. Peneliti melakukan uji asumsi klasik terlebih
dahulu sebelum melakukan pengujian hipotesis dengan alasan data penelitian yang digunakan
dalam penelitian sering bersifat bias dan tidak efisien. Untuk memperoleh nilai yang tidak bias
dan efisien dari model persamaan linear maka haruslah memenuhi asumsi klasik yang mendasari
model linear. Setelah data memenuhi asumsi klasik maka data layak dianalisis lebih lanjut untuk
terdiri atas uji normalitas, uji multikolinearitas, uji heteroskedasitas, dan uji autokorelasi.
Menurut Ghozali (2005:123) asumsi klasik yang harus dipenuhi adalah:
a. berdistribusi normal,
b. non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna atau mendekati sempurna,
c. non-autokorelasi, artinya kesalahan penggangu dalam model regresi tidak saling berkorelasi,
d. homoskedastitas, artinya variancce variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
3.1.1 Uji normalitas
Menurut Erlina dan Mulyani (2007:103) ”Tujuan uji normalitas adalah ingin mengetahui
apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau
residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji
statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2005:110). Cara yang
digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan
desain grafik. Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal,
atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas, demikian sebaliknya. Selain itu, dapat digunakan uji statistik Kolmogorov-
Smirnov (K-S), yang dijelaskan oleh Gozhali (2005:115). Bila nilai signifikan α < 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan α > 0.05 berarti distribusi data normal.
Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali (2005:110) sebagai
berikut:
1) jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas,
2) jika data menyebar jauh dari diagonal dan / atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.1.2 Uji multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen (Ghozali, 2005:91). Pengujian multikolinearitas dilakukan
dengan melihat (1) nilai tolerance dan lawannya (2) VIF(variance inflation factor). Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance < 0,10
atau sama dengan nilai VIF > 10.
Menurut (Gozhali, 2005), cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu:
1) mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi, 2) menggabungkan data cross section dan time series (pooling data),
3) menambah data penelitian.
3.1.3 Uji heteroskedasitas
Uji heteroskedasitas dijelaskan oleh Ghozali (2005:105) sebagai berikut: Uji
heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedasitas dan jika berbeda disebut
heteroskedasitas. Model regresi yang baik adalah yang homoskedasitas atau tidak terjadi
heteroskedasitas. Kebanyakan data cross section mengandung situasi heteroskedasitas karena
data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar).
Untuk mendeteksi ada tidaknya heteroskedasitas, menurut Ghozali (2005:105) dapat
residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu
yang teratur, maka telah terjadi heteroskedasitas. Sebaliknya jika tidak ada pola yang jelas, serta
titik-titik menyebar maka tidak terjadi heteroskedasitas.
3.1.4 Uji autokorelasi
Menurut Ghozali (2005:95) ”uji autokorelasi bertujuan menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya)”.
Autokorelasi ini 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. Hal ini sering ditemukan pada data runtun waktu (time series)
karena “gangguan” pada seseorang individu/kelompok cenderung mempengaruhi “gangguan”
pada individu/kelompok yang sama pada periode berikutnya.
Penggunaan program software SPSS bertujuan untuk mendeteksi apakah ada problem
autokorelasi adalah dengan melihat besaran DURBIN-WATSON, yaitu panduan mengenai angka
D-W (Durbin-Watson) pada tabel D-X.
Pengambilan keputuan ada tidaknya autokorelasi adalah sebagai berikut:
• tidak ada autokorelasi positif, jika 0 < d < dl,
• tidak ada autokorelasi positif, jika dl ≤ d ≤ du, • tidak ada autokorelasi negatif, jika 4 – dl < d < 4,
• tidak ada autokorelasi negatif, jika 4 – du ≤ d ≤ 4 – dl,
• tidak ada autokorelasi, positif atau negatif, jika du < d < 4 – du.
Autokorelasi bisa diatasi dengan berbagai cara, misalnya dengan melakukan transformasi
3.2 Pengujian Hipotesis Penelitian 3.2.1Analisis Regresi Berganda
Menurut Imam Ghozali (2005) Analisis Regresi merupakan studi mengenai
ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas atau bebas) dengan tujuan mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Dalam penelitian ini digunakan model analisis regresi berganda (multiple regresion), karena variabel independen lebih dari satu yaitu 4 variabel berupa laba akuntansi, arus kas operasi, arus kas investasi, dan arus kas pendanaan. Model regresi linear yang digunakan adalah sebagai berikut:
Y= a+b1X1+b2X2+b3X3+ b4X4+e Keterangan:
Y = Variabel dependen, dalam hal ini harga saham a = Konstanta
X1 = Variabel independen I yaitu nilai laba akuntansi per lembar saham
X2 = Variabel independen II yaitu nilai arus kas dari aktivitas operasi per lembar saham X3 = Variabel independen III yaitu nilai arus kas dari aktivitas investasi per lembar saham X4 = Variabel independen IV yaitu nilai arus kas dari aktivitas pendanaan per lembar
saham b1 = Koefisien regresi X1 b2 = Koefisien regresi X2 b3 = Koefisien regresi X3 b4 = Koefisien regresi X4 e = Error (pengganggu)
3.2.2Uji signifikansi (Hipotesis)
Uji signifikansi antara variabel bebas terhadap variabel terikat, baik secara bersama-sama
(serentak) maupun parsial dilakukan dengan menggunakan uji statistik t dan uji statistik F.
3.2.2.1 Uji t (uji secara parsial)
Uji t yaitu pengujian yang digunakan untuk mengetahui apakah arus kas operasi, arus kas
investasi, arus kas pendanaan dan laba akuntansi mempengaruhi harga saham secara parsial.
Prosedur pengujian hipotesis sebagai berikut :
b) Jika t-hitung > ttabel, maka menerima Ha, yang berarti Variabel bebas tersebut mampu
mempengaruhi variabel tidak bebas secara signifikan. Jika t-hitung < ttabel, maka Ha tidak
dapat diterima, yang berarti variabel bebas tersebut tidak mempengaruhi variabel tidak
bebas.
3.2.2.2 Uji F (uji secara serentak)
Uji F digunakan untuk mengetahui apakah arus kas operasi, arus kas investasi, arus kas
pendanaan dan laba akuntansi mempengaruhi harga saham secara simultan. Pengujian hipotesis
sebagai berikut :
a) Jika Fhitung > Ftabel(α=5%) maka Ha dapat diterima, b) Jika Fhitung < Ftabel(α=5%) maka Ha tidak dapat diterima.