HASIL PENELITIAN DAN PEMBAHASAN
B. Analisis Data
2. Uji Asumsi Klasik
Uji asumsi klasik merupakan prasyarat analisis regresi berganda, pengujian ini harus dipenuhi agar menaksirkan parameter dan koefisien regresi tidak bias. Pengujian asumsi klasik ini meluputi uji noromalitas,uji multikolinaritas,uji autokorelasi, dan uji heteroskedastisitas.Hasil uji asumsi klasik dalam penelitian ini dapat dijelaskan sebagai berikut :
1. Uji Normalitas
Dalam penelitian ini pengujian normalitas data menggunakan uji Kolmogorov-Smirnov (Kolmogorov-Smirnov Test) dengan melihat
signifikansi dari residual yang dihasilkan dan pendekatan grafik normal probability plot. Deteksi normalitas dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Hasil uji normalitas data dari residual yang diperoleh sebagai berikut :
Tabel 4.2
Hasil Uji Normalitas data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 40
Normal Parametersa,b Mean 135.3817500 Std. Deviation 53.99508237 Most Extreme Differences Absolute .300
Positive .171
Negative -.300
Test Statistic .300
Asymp. Sig. (2-tailed) .023c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Berdasarkan hasil pada tabel 4.2 di atas,menunjukkan bahwa nilai signifikansi di atas 0,05 yaitu sebesar 0,023 .Hal ini berarti data residual tersebut terdistribusi secara normal.Hal tersebut juga dapat dijelaskan dengan hasil analisis grafik yaitu grafik normal probability plot-nya sebagai berikut :
42
Gambar 4.1
Grafik normal Profibality Plot
Sumber :Data
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali, 2013). Untuk menentukan heteroskedastisitas dapat menggunakan uji Glejser. Dasar pengambilan keputusan pada uji ini adalah jika nilai signifikansi ≥ 0,05 maka dapat disimpulkan tidak terjadi masalah heteroskedastisitas,
namun sebaliknya jika nilai signifikansi < 0,05 maka dapat Diolah SPSS 23
disimpulkan terjadi masalah heteroskedastisitas. Hasil uji heteroskedastisitas yang diperoleh sebagai berikut :
Tabel 4.3
a. Dependent Variable: harga saham
Dalam hasil perhitungan di atas dapat disimpulkan bahwa nilai signifikan dari variabel DER dan ROE lebih dari (masing-masing 0,332 dan 0,611).Berdasarkan hal tersebut dapat disimpulkan bahwa terjadi heteroskedastisitas antar variabel independent dalam model regresi.Maka hasil diatas dapat dijelaskan dengan hasil analisis grafik yaitu grafik scatterplot,titik-titik yang terbentuk harus menyebar
secara acak,tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Apabila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan.Hasil uji heteroskedastisitas dengan menggunakan grafik` scatterplot ditunjukkan pada gambar 4.4 di bawah ini:
44
Gambar 4.2 Grafik scatterplot
Sumber : Data Diolah SPSS 23
Dengan melihat grafik acatterplot di atas, terlihat titik-titik menyebar secara acak,serta tersebar baik di atas maupun di bawah angka 0 (nol) pada sumbu Y.Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
3. Uji multikolonieritas
Pengujian ini dimaksudkan untuk melihat apakah terdapat dua atau lebih variabel bebas yang berkorelasi secara linier. Apabila terjadi keadaan ini maka kita akan menghadapi kesulitan untuk membedakan pengaruh masing-masing variabel bebas terhadap
variabel terikatnya. Untuk mendeteksi adanya gejala multikolonieritas dalam model penelitian dapat dilihat dari nilai toleransi (tolerance value) atau nilai Variance Inflation Factor (VIF). Batas tolerance > 0,10 dan batas VIF < 10,00, sehingga dapat disimpulkan tidak terdapat multikolinearitas diantara variabel bebas. Hasil dari pengujian multikolonieritas pada penelitian ini ditunjukkan seperti pada tabel 4.4 berikut ini :
Tabel 4.4
Hasil Uji Multikolonieritas
Coefficientsa
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
CR ,979 1,021
DER ,995 1,005
ROE ,979 1,021
a. Dependent Variable: PBV
4. Uji Auto Korelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi atau tidak terjadi autokorelasi. Untuk mengetahuinya dengan cara membandingkan nilai D-W dengan nilai d dari tabel DurbinWatson:
46
1. Jika D-W < dL atau D-W > 4 – dL, kesimpulannya pada data tersebut terdapat autokorelasi.
2. Jika dU < D-W < 4 – dU, kesimpulannya pada data tersebut tidak terdapat autokorelasi.
3. Tidak ada kesimpulan jika: dL ≤ D-W≤ dU atau 4 – dU ≤ D-W≤ 4 – dL Apabila hasil uji Durbin-Waston tidak dapat disimpulkan apakah terdapat autokerelasi atau tidak maka dilanjutkan dengan runs test. Hasil dari pengujian autokorelasi pada penelitian ini ditunjukkan seperti pada tabel 4.6 berikut ini :
Tabel 4.5
a. Predictors: (Constant), ROE, DER b. Dependent Variable: harga saham
Berdasarkan tabel di atas, nilai DW dapat diketahui sebesar 1.474, nilai ini akan dibandingkan dengan nilai tabel signifikansi 5%, dengan jumlah sampel 40 (n) dan jumlah variabel independen 3 (k = 3), maka diperoleh nilai du sebesar 1,6889, dan nilai DW sebesar 1,6889 lebih kecil dari batas atas (du) yakni 1,474 dan kurang dari (4- du) atau 4 - 1,6889 = 2,3111. Jadi dapat disimpulkan bahwa terdapat
autokorelasi.
5. Uji Determinasi (R2)
Analisis determinasi dilakukan untuk mengetahui presentasi pengaruh variabel independent secara Bersama-sama terhadap variabel independen. Koefisien ini menunjukkan seberapa besar presentase variabel independent yang digunakan dalam model mampu menjelaskan variabel independen.Jika nilai Adjusted R2 sama dengan 0 maka bisa dikatakan variabel independent yang dipergunakan dalam penelitian sama sekali tidak mampu menjelaskan vaiabel dependennya. Sebaliknya jika nilai Adjusted R2 sama dengan 1 maka bisa dikatakan variabel independent yang digunakan mampu menjelaskan dengan sangat detai variabel dependennya. Dengan kata lain R2 yang kecil atau mendekati 0 (nol) berarti kemampuan variabel-variabel independen dalam menerangkan variabel dependen sangat terbatas,sedangkan jika nilai R2 besar atau mendekati 1 (satu) berarti variabel-variabel independent memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2011). Hasil analisis koefisien dapat dilihat pada tabel 4.7 berikut :
Tabel 4.6
a. Predictors: (Constant), ROE, DER
48
b. Dependent Variable: harga saham
6. Uji Statistik T
Uji t bertujuan untuk mengetahui ada atau tidak pengaruh secara persial sendiri yang diberikan pada variabel independen yaitu harga saham,dan kinerja perusahaan, Untuk menguji pengaruh parsial tersebut dapat dilakukan berdasarkan nilai probabilitas. Jika nilai signifikan lebih kecil dari 0,05 atau 5% maka hipotesisi yang diajukan diterima atau dikatakan signifikan. Jika nilai signifikan lebih besar dari 0,05 atau 5% maka hipotesis yang diajukan ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat sebagai berikut.
Tabel 4.7
a. Dependent Variable: harga saham
Hasil uji t variabel srtuktur modal (DER) berpengaruh positif dan signifikan terhadap harga saham. Berdasarkan tabel 4.7 diketahui perhitungan nilai uji thitung variabel struktur (DER) modal diperoleh sebesar -0,983 lebih besar dari t tabel sebesar 2.021 dengan tingkat signifikan sebesar 0.332 nilai signifikan lebih besar dari 0.05. Dan nilai beta yang dihasilakan sebesar 0,685 Hal ini menujukkan H1
diterima. Jadi dapat disimpulkan struktur modal berpengaruh terhadap harga saham.
Hasil uji t variabel kinerja perusahaan (ROE) berpengaruh positif dan berpengaruh signifikan terhadap harga saham. Berdasarkan tabel 4.7 diketahui perhitungan nilai uji thitung variabel struktur modal (DER) diperoleh sebesar 0,514 lebih kecil dari t tabel sebesar 2.021 dengan tingkat signifikan sebesar 0.611. nilai signifikan lebih besar dari 0.05. Dan nilai beta yang dihasilakan sebesar 0.009. Hal ini menunjukkan H2 ditolak H1 diterima. Jadi dapat disimpulkan kinerja perusahaan berpengaruh positif dan signifikan terhadap harga saham.