METODE PENELITIAN 3.1 Jenis Penelitian
3.7 Teknik Analisis Data
Analisis data yang digunakan dalam penelitian ini menggunakan metode deskriptif kuantitatif. Metode ini dialakukan dengan cara mengumpulkan, mengolah dan menginterprestasikan hasil yang diperoleh. Adapun jenis uji yang digunakan dalam teknik analisis statistic ini adalah uji asumsi klasik, pengujian hipotesis , analisis regresi linear berganda.
3.7.1 Uji Asumsi Klasik
Uji pertama yang dilakukan dalam penelitian ini yaitu uji asumsi klasik.
Uji ini memiliki tujuan untuk mendapatkam nilai estimasi yang diperoleh memiliki nilai yang terbaik, linear, serta tidak bias. Maka data
yang digunakan dalam analisis regresi terlebih dahulu akan dilakukan uji normalitas, uji multikolinearitas, uji heterokedastisitas serta uji autokorelasi.
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apa dalam model regresi, variable penggangu atau residual memiliki distribusi normal.
Uji ini digunakan untuk tahap awal dalam metode pemilah analisis data. Jika data berdistribusi normal maka digunakan statistic parametric dan jika tidak berdistribusi normal maka digunakan statistic non parametric. Normalitas dapat diketahui dengan cara melihat penyebaran data (titik) pada sumbu diagonal grafik atau melihat histogram dari nilai residunya.
Dasar dalam penentuan keputusan yaitu:
1. Jika data menyebar disekitar garis diagonal atau mengikut arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, mala model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan tidak normalnya distribusi data , maka model regresi tidak memenuhi asumsi normalitas. Peneliti juga menggunakan uji Kolmogorov Smirnov (K-S) dalam menguji noralitas data. Uji K-S dibuat dengan membuat hipotesis yaitu:
H0: Data residual berdistribusi normal Ha: Data residual tidak berdistribusi normal
Model regresi dikatakan baik jika data memiliki distribusi normal atau mendekati normal.
b. Uji Multikolinearitas
Menurut Ghozali (2009:88) “Uji ini bertujuan untuk mengetahui apakah model regresi ditemukan adanya kolerasi antar variable independen”. Model regresi yang baik jika antar variable independen tidak terdapat kolerasi. Multikolinearitas adalah keadaan dimananya timbul kolerasi antara variable independen dalam penelitian. Jika terjadi kolerasi sempurna dalam variable independen maka hal yang terjadi adalah:
1. Koefisien – koefisien tidak dapat dihitung
2. Nilai standar error setiap koefisien regresi menjadi tak terbatas Multikolinearitas juga bisa dilihat dari nilai tolerance dan juga nilai variance inflation factor (VIF) dan juga melihat matriks korelasi variable independen. Nilai yang biasanya dipakai untuk menentukan terdapat multikolinearitas adalah nilai tolerance 10 jika nilai masi termasuk dalam batas yang ditentukan maka model terbebas dari multikolinearitas.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual atau satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap , maka disebut Homokedastisitas dan jika beda Heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2009: 125).
Ada beberapa cara yang dapat dilakukan untuk melakukan uji heteroskedastisitas , yaitu uji grafikplot, uji park, uji glejser, dan uji white. Pengujian pada penelitian ini menggunakan grafik plot antara nilai prediksi variable dependen yaitu ZPRED dengan residual SRESID. Tidak terjadi heteroskedastisitas apabila tidak ada pola yang jelas , serta titik-titik menyebar atas dam dibawah angka 0 pada sumbu Y. (Ghozali,2009:139-143).
d. Uji Autokorelasi
Uji Autokolerasi dilakukan untuk mengetahui apakah pada model regresi linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Apabila terjadi autokorelasi maka akan menjadi suatu problem. Menurut Ghozali (2009:95), “Autokorelasi muncul karena adanya observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lain.
Kejadian ini ditemukan pada data yang bersifat time series namun pada data yang bersifat cross section, hal ini jarang ditemukan. Uji yang dilakukan untuk melihat ada atau tidaknya autokorelasi yaitu
uji DurbinWatson (DW). Adapun kriteria yang digunakan sebagai penilaian dalam menentukan autokolerasi adalah:
1. Nilai DW lebih kecil dari -2 berarti ada autokorelasi positif 2. Nilai DW diantara -2 sampai +2 maka tidak ada autokorelasi 3. Nilai DW lebih besar dari +2 berarti ada autokorelasi negative 3.7.2. Pengujian Hipotesis
a. Uji Simultan F
Pengujian hipotesis distribusi F pada model regresi berganda dilakukan untuk mengetahui pengaruh variable bebas secara bersamaan dengan variable terikat. Pengujian dilakukan dengan menggunakan significance level 0,05 (=5%). Keputusan terhadap penerimaan atau penolakan hipotesis didasarkan pada kriteria berikut:
1. Jika nilai signifikasi > 0,05 maka hipotesis ditolak,(koefisien regresi tidak signifikan). Ini berarti bahwas secara variable bebas tidak memiliki pengaruh yang signifikan terhadap variable terikat.
2. Jika nilai signifikan < 0,05 maka hipotesis diterima, (koefisien regresi signifikan). Ini berarti bahwa secara simultan variable bebas memiliki pengaruh yang signifikan terhadap variable terikat.
b. Uji Parsial t
Uji t dilakukan menunjukkan seberapa besar pengaruh variable bebas secara individual dalam menerangkan variasi variable terikat. Tujuan dati uji t adalah untuk menguji koefisien regresi secara individual. Pegujian dilakukan dengan menggunakan significance level 0,05 (=5%). Keputusan terhadap penerimaan atau penolakkan hipotesis didasarkan pada kriteria berikut :
1. Jika nilai signifikasi > 0,05 maka hipotesis ditolak, (koefisien regresi tidak signifikan). Ini berarti bahwa secara parsial variable bebas tidak memiliki pengaruh yang signifikan terhadap variable terikat.
2. Jika nilai signifikasi < 0,05 maka hipotesis diterima, (koefisien regresi signifikan). Ini berarti bahwa secara parsial variable bebas memiliki pengaruh yang signifikan terhadap variable terikat.
c. Uji Koefisien Determinasi (R2)
Pengujian koefisien determinan dilakukan untuk melihat besarnya pengaruh variable bebas terhadap variable terikat. Penguji ini dilakukan dengan cara melihat nilai dari koefisien determinan.
Koefisien determinan (R2) merupakan besaran non negative dan besarnya koefisien determinasi adalah (0<R2<1).
Jika nilai koefisien determinan adalah 0, maka tidak terdapat hubungan antara variabel bebas dan variabel terikat. Namun
apabila nilai koefisien determinan adalah 1, maka terdapat hubungan yang sempurna antara variabel terikat.
Uji Determinasi, untuk melihat besarnya kontribusi pengaruh antara variable bebas dan terikat dapat dihitung dengan rumus:
D = r 2 X 100%
3.7.3. Analisis Regresi Linear Berganda
Analisis regresi linear berganda merupakan perluasan dari regresi sederhana. Pengujian regresi lineat berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu yang tidak terdapat multikolinearitas, autokorelasi , dan heteroskedasitas. Oleh karena itu, sebelum melakukan analisis regresi linear berganda perlu dilakukan terlebih dahulu penguji asumsi klasik. Model persamaan regresi dapat digambarkan sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e Keterangan:
Y = Return Saham a = Konstanta
b1 = Koefisien regresi variable X1
b2 = Koefisien regresi variable X2 b3 = Koefisien regresi variable X3
b4 = Koefisien regresi variable X4 b5 = Koefisien regresi variable X5
X1 = Earning per Share
X2 = Loan to Deposit Ratio X3 = Likuiditas
X4 = Profiltabilitas e = Standard error
BAB IV
HASIL DAN PEMBAHASAN