Bab IV Hasil Penelitian dan Pembahasan
4.3. Analisis Data
4.3.2. Uji Regresi Linier Berganda
Berdasarkan hasil pengujian dengan menggunakan regresi linier berganda dengan bantuan program SPSS diperoleh persamaan regresi sebagai berikut:
68
Tabel 4.8. Hasil Uji Regresi Linier Berganda Coeffi cientsa -1, 088 1,869 -,582 ,570 ,276 ,252 ,201 1,097 ,292 ,086 ,291 ,169 ,705 1,418 ,742 ,434 ,292 1,709 ,111 ,081 ,428 ,262 ,807 1,239 ,393 ,088 ,732 4,454 ,001 ,624 ,777 ,684 ,874 1,144 ,145 ,145 ,199 1,006 ,333 ,257 ,269 ,154 ,602 1,662 ,212 ,109 ,363 1,942 ,074 ,399 ,474 ,298 ,677 1,477 (Const ant) ROA ROE EP S BE P EV A Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients
t Sig. Zero-order Partial Part Correlations
Tolerance VIF Collinearity Statistics
Dependent Variable: Harga Saham a.
Sumber: Lampiran 9
Y= -1,088 + 0,276 X1 + 0,742 X2 + 0,393 X3 + 0,145 X4 + 0,212 X5 Dari persamaan tersebut dapat dijelaskan sebagai berikut:
β0 = -1,088
Nilai konstanta sebesar -1,088 menunjukkan besarnya nilai Harga Saham adalah sebesar -1,088, tanpa ada pengaruh dari variabel
Return On Assets (X1), Return On Equity (X2), Earning Per Share
(X3), Basic Earning Power (X4), dan Economic Value Added (X5). β1
Koefisien regresi untuk variabel Return On Assets (X
= 0,276
1) sebesar
0,276. Tanda positif menunjukkan terjadinya perubahan yang searah dari variabel Return On Assets (X1) terhadap variabel Harga
Saham (Y), yang artinya apabila variabel Return On Assets (X1)
mengalami peningkatan sebesar 1 satuan maka variabel nilai Harga Saham (Y) akan meningkat sebesar 0,276, demikian sebaliknya apabila variabel Return On Assets (X1) mengalami penurunan
menurun sebesar 0,276 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β2 = 0,742
Koefisien regresi untuk variabel Return On Equity (X2) sebesar -
0,742. Tanda positif menunjukkan terjadinya perubahan yang searah dari variabel Return On Equity (X2) terhadap variabel Harga
Saham (Y), yang artinya apabila variabel Return On Equity (X2)
mengalami peningkatan sebesar 1 satuan maka variabel Harga Saham (Y) akan meningkat sebesar 0, 742, demikian sebaliknya apabila variabel Return On Equity (X2) mengalami penurunan
sebesar 1 satuan maka variabel Harga Saham (Y) akan menurun sebesar 0,485 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β3
Koefisien regresi untuk variabel jumlah Earning Per Share (X
= 0,393
3)
sebesar 0,393. Tanda positif menunjukkan terjadinya perubahan yang searah dari variabel Earning Per Share (X3) terhadap variabel
Harga Saham (Y), yang artinya apabila variabel Earning Per Share
(X3) mengalami peningkatan sebesar 1 satuan maka variabel nilai
Harga Saham (Y) akan meningkat sebesar 0,393, demikian sebaliknya apabila variabel Earning Per Share (X3) mengalami
70
menurun sebesar 0, 393 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β4 = 0,145
Menunjukkan besarnya nilai koefisien regresi untuk variabel Basic Earning Power (X4) yaitu 0,145 dan mempunyai koefisien regresi
positif. Hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat. Jadi setiap ada kenaikan pada variabel
Basic Earning Power (X4) sebesar 1 satuan, dapat meningkatkan
variabel Harga Saham (Y) sebesar 0,145 dan sebaliknya apabila terjadi penurunan pada variabel Basic Earning Power (X4) sebesar
1 satuan, dapat menurunkan pula Harga Saham (Y) sebesar 0,145 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
β5 = 0,212
Menunjukkan besarnya nilai koefisien regresi untuk variabel
Economic Value Added (X5) yaitu 0,212 dan mempunyai koefisien
regresi positif. Hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat. Jadi setiap ada kenaikan pada variabel Economic Value Added (X5) sebesar 1 satuan, dapat
meningkatkan variabel Harga Saham (Y) sebesar 0,212 dan sebaliknya apabila terjadi penurunan pada variabel Economic Value Added (X5) sebesar 1 satuan, dapat menurunkan pula Harga Saham
(Y) sebesar 0,212 dengan asumsi bahwa variabel-variabel yang lain adalah konstan.
4.3.3. Uji Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa (ordinary least squares) merupakan model regresi yang menghasilkan estimasi linier tidak bias yang terbaik (Best linear Unbias Estimator / BLUE). Kondisi ini akan terjadi jika dipenuhi beberapa asumsi klasik yaitu :
1. Pengujian Multikolinier
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor (VIF). Berdasarkan hasil pengujian, diperoleh hasil bahwa nilai VIF untuk masing-masing variabel adalah sebagai berikut:
Tabel 4.9. Hasil Pengujian Multikolinier
No Variabel Tolerance VIF Keterangan
1 2 3 4 5 Return On Asset (X1) Return On Equity (X2)
Earning Per Share (X3)
Basic Earning Power (X4)
Economic Value Added (X5
0,705 0,807 0,874 0,602 0,677 ) 1,418 1,239 1,144 1,662 1,477 Non Multikolinier Non Multikolinier Non Multikolinier Non Multikolinier Non Multikolinier Sumber : Lampiran 9
Menurut Ghozali (2006 : 91) uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Salah satu cara yang digunakan untuk mengetahui ada tidaknya multikolonieritas yaitu dengan melihat besarnya nilai Variance Inflation Factor (VIF).
Dari tabel di atas dapat diketahui bahwa nilai VIF untuk variabel Return On Assets, Return On Equity, Earning Per Share, Basic Earning Power dan Economic Value Added mempunyai nilai
72
VIF lebih kecil dari 10 (2006 : 91), yang berarti bahwa pengujian asumsi klasik dalam penelitian ini sudah terbebas dari penyimpangan multikolinier.
2. Pengujian Heteroskedastisitas
Hasil uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggunakan bantuan program SPSS 13.0 dengan melihat
Rank Spearman’s Correlation. Hasil pengujian Rank Spearman’s
dapat dilihat pada tabel berikut ini:
Tabel 4.10. Hasil Pengujian Heteroskedastisitas
No Variabel Nilai mutlak
dari residual Taraf Signifikansi Keterangan 1 2 3 4 5 Return On Asset (X1) Return On Equity (X2)
Earning Per Share (X3)
Basic Earning Power (X4)
Economic Value Added (X5
0,058 -0,042 -0,054 -0,073 -0,004 ) 0,814 0,864 0,825 0,768 0,989 Non Heteroskedastisitas Non Heteroskedastisitas Non Heteroskedastisitas Non Heteroskedastisitas Non Heteroskedastisitas Sumber : Lampiran 10
Menurut Ghozali (2006 : 105) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Salah satu cara untuk mendeteksi ada atau tidak adanya Heteroskedastisitas adalah dengan cara menggunakan uji rank spearman.
Dari hasil korelasi tersebut tidak diperoleh adanya korelasi
yang signifikan antara Unstandardized Residual dengan masing-
masing variabel bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat disimpulkan bahwa tidak terjadi penyimpangan heteroskedastisitas pada variabel-variabel bebas yang diteliti.
3. Pengujian Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Imam Ghozali, 2006 : 95).
Berdasarkan hasil pengujian yang dilakukan diperoleh nilai Durbin Watson sebesar 1,564 dan karena nilainya berada di antara - 2<1,564<2 sehingga dapat diartikan tidak terjadi autokorelasi. (Santoso, 2001:216)