Pengujian Hipotesis tentang
Koefisien Regresi
 |
Kelompok 10
Izhen Handana : C1B017110
Akrisna Rengga Diningrat :
C1B017134
Fakultas Ekonomi dan Bisnis
Universitas Jambi
2019
KATA PENGANTAR
Puji syukur alhamdulillah kami panjatkan ke
hadirat Tuhan Yang Maha Esa, karena telah melimpahkan rahmat-Nya berupa
kesempatan dan pengetahuan sehingga makalah ini bisa selesai pada waktunya.
Terima kasih juga kami ucapkan kepada teman-teman
yang telah berkontribusi dengan memberikan ide-idenya sehingga makalah ini bisa
disusun dengan baik dan rapi.
Kami berharap semoga makalah ini bisa menambah
pengetahuan para pembaca. Namun terlepas dari itu, kami memahami bahwa makalah
ini masih jauh dari kata sempurna, sehingga kami sangat mengharapkan kritik
serta saran yang bersifat membangun demi terciptanya makalah selanjutnya yang
lebih baik lagi.
BAB 1
PENDAHULUAN
a.
LATAR
BELAKANG
Regresi diperkenalkan
oleh Francis Galton. Regresi
merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau
lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana
variabel-variabel itu berhubungan atau dapat diramalkan.
Istilah regresi (ramalan/taksiran) pertama
kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan
penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi
orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari
orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata
populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.
Analisis regresi lebih akurat dalam melakukan analisis korelasi,
karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan
suatu variabel terhadap variabel lainnya dapat ditentukan). Dengan demikian
maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai
variabel bebas lebih akurat pula.
b.
RUMUSAN MASALAH
1. Apa
itu Koefisien Regresi..?
2. Bagaimana
mengambil hipotesis dengan koefisien regresi..?
3. Bagaiman
menghitung koefisien regresi dengan uji F..?
4. Bagaiman
menghitung koefisien regresi dengan uji t..?
c.
TUJUAN
1.
Mengetahui apa itu koefisien
regresi
2.
Mengetahui mengambil hipotesis
dengan koefisien regresi
3.
Mengetahui menghitung koefisien
regresi dengan uji F
4.
Mengetahui menghitung koefisien
regresi dengan uji t
BAB II
PEMBAHASAN
A.
Pengertian
Koefisien regresi ‘b’ adalah kontribusi besarnya
perubahan nilai variabel bebas,
semakin besar nilai koefisien regresi maka kontribusi perubahan semakin besar,
demikian pula sebaliknya akan semakin lecil. Kontribusi perubahan variabel
bebas (X) juga ditentukan oleh koefisien regresi positif atau negatif.
b
Kita
mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut: Seorang
mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang
mempengaruhi harga saham pada perusahaan di BEJ. Bambang dalam penelitiannya
ingin mengetahui hubungan antara rasio keuangan PER dan ROI terhadap harga
saham. Dengan ini Bambang menganalisis dengan bantuan program SPSS dengan alat
analisis regresi linear berganda. Dari uraian di atas maka didapat variabel
dependen (Y) adalah harga saham, sedangkan variabel independen (X1
dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data
rasio dan ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data
Fiktif)
|
Tahun
|
Harga
Saham (Rp)
|
PER
(%)
|
ROI
(%)
|
|
1990
|
8300
|
4.90
|
6.47
|
|
1991
|
7500
|
3.28
|
3.14
|
|
1992
|
8950
|
5.05
|
5.00
|
|
1993
|
8250
|
4.00
|
4.75
|
|
1994
|
9000
|
5.97
|
6.23
|
|
1995
|
8750
|
4.24
|
6.03
|
|
1996
|
10000
|
8.00
|
8.75
|
|
1997
|
8200
|
7.45
|
7.72
|
|
1998
|
8300
|
7.47
|
8.00
|
|
1999
|
10900
|
12.68
|
10.40
|
|
2000
|
12800
|
14.45
|
12.42
|
|
2001
|
9450
|
10.50
|
8.62
|
|
2002
|
13000
|
17.24
|
12.07
|
|
2003
|
8000
|
15.56
|
5.83
|
|
2004
|
6500
|
10.85
|
5.20
|
|
2005
|
9000
|
16.56
|
8.53
|
|
2006
|
7600
|
13.24
|
7.37
|
|
2007
|
10200
|
16.98
|
9.38
|
Langkah-langkah
pada program SPSS
Ø Masuk program SPSS
Ø Klik variable view pada SPSS
data editor
Ø Pada kolom Name ketik y, kolom
Name pada baris kedua ketik x1, kemudian untuk baris kedua ketik x2.
Ø Pada kolom Label, untuk kolom
pada baris pertama ketik Harga Saham, untuk kolom pada baris kedua ketik PER,
kemudian pada baris ketiga ketik ROI.
Ø Untuk kolom-kolom lainnya boleh
dihiraukan (isian default)
Ø Buka data view pada SPSS data
editor, maka didapat kolom variabel y, x1, dan x2.
Ø Ketikkan data sesuai dengan
variabelnya
Ø Klik Analyze - Regression - Linear
Ø Klik variabel Harga Saham dan
masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI kemudian
masukkan ke kotak Independent.
Ø Klik Statistics, klik Casewise
diagnostics, klik All cases. Klik Continue
Ø Klik OK, maka hasil output yang
didapat pada kolom Coefficients dan Casewise diagnostics adalah sebagai
berikut:
Tabel. Hasil Analisis Regresi Linear
Berganda
Persamaan
regresinya sebagai berikut:
Y’
= a + b1X1+ b2X2
Y’
= 4662,491 + (-74,482)X1 +
692,107X2
Y’
= 4662,491 - 74,482X1 +
692,107X2
Keterangan:
Y’ =
Harga saham yang diprediksi (Rp)
a =
konstanta
b1,b2 =
koefisien regresi
X1 = PER (%)
X2 = ROI (%)
Persamaan
regresi di atas dapat dijelaskan sebagai berikut:
-
Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2)
nilainya adalah 0, maka harga saham (Y’) nilainya adalah Rp.4662,491.
- Koefisien
regresi variabel PER (X1) sebesar -74,482; artinya jika variabel
independen lain nilainya tetap dan PER mengalami kenaikan 1%, maka harga saham
(Y’) akan mengalami penurunan sebesar Rp.74,482. Koefisien bernilai negatif
artinya terjadi hubungan negatif antara PER dengan harga saham, semakin naik
PER maka semakin turun harga saham.
- Koefisien
regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel
independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka harga saham
(Y’) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai positif
artinya terjadi hubungan positif antara ROI dengan harga saham, semakin naik
ROI maka semakin meningkat harga saham.
Nilai harga saham yang diprediksi (Y’)
dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value).
Sedangkan Residual (unstandardized residual) adalah selisih antara harga
saham dengan Predicted Value, dan Std. Residual (standardized residual)
adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0
maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin
menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi
dalam melakukan prediksi).
B.
Uji
Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui
apakah variabel independen (X1,X2….Xn) secara
bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y). Atau
untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel
dependen atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku
untuk populasi (dapat digeneralisasikan), misalnya dari kasus di atas
populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di atas 18
perusahaan, jadi apakah pengaruh yang terjadi atau kesimpulan yang didapat
berlaku untuk populasi yang berjumlah 50 perusahaan.
Dari hasil output analisis regresi
dapat diketahui nilai F seperti pada tabel 2 berikut ini.
Tabel. Hasil Uji F
Tahap-tahap untuk melakukan uji F
adalah sebagai berikut:
1. Merumuskan
Hipotesis
Ho
: Tidak ada pengaruh secara
signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
Ha
: Ada pengaruh secara
signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
2. Menentukan
tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah
ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan
F hitung
Berdasarkan
tabel diperoleh F hitung sebesar 25,465
4.
Menentukan F tabel
Dengan menggunakan tingkat keyakinan
95%, a = 5%, df 1 (jumlah variabel–1) = 2, dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah
jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 3,683 (Lihat
pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=finv(0.05,2,15) lalu enter.
5.
Kriteria pengujian
- Ho diterima bila F hitung < F tabel
- Ho ditolak bila F hitung > F tabel
6.
Membandingkan F hitung dengan F
tabel.
Nilai
F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.
7.
Kesimpulan
Karena
F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada
pengaruh secara signifikan antara price
earning ratio (PER) dan return on investmen (ROI) secara
bersama-sama terhadap terhadap harga saham. Jadi dari kasus ini dapat
disimpulkan bahwa PER dan ROI secara bersama-sama berpengaruh terhadap harga
saham pada perusahaan di BEJ.
C.
Uji
Koefisien Regresi Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui
apakah dalam model regresi variabel independen (X1, X2,…..Xn)
secara parsial berpengaruh signifikan terhadap variabel dependen (Y).
Dari hasil analisis regresi output
dapat disajikan sebagai berikut:
Tabel.
Uji t
Langkah-langkah
pengujian sebagai berikut:
1.
Pengujian koefisien regresi variabel PER
1.
Menentukan Hipotesis
Ho
: Secara parsial tidak ada
pengaruh signifikan antara PER dengan harga saham.
Ha
: Secara parsial ada
pengaruh signifikan antara PER dengan harga saham
2. Menentukan tingkat signifikansi
Tingkat
signifikansi menggunakan a
= 5%
3.
Menentukan t hitung
Berdasarkan
tabel diperoleh t hitung sebesar -1,259
4.
Menentukan t tabel
Tabel
distribusi t dicari pada a
= 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 18-2-1
= 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
Dengan pengujian 2 sisi (signifikansi
= 0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=tinv(0.05,15) lalu enter.
5.
Kriteria Pengujian
Ho diterima jika -t tabel < t hitung
< t tabel
Ho
ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan
thitung dengan t tabel
Nilai
-t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima
7.
Kesimpulan
Oleh
karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima,
artinya secara parsial tidak ada pengaruh signifikan antara PER dengan harga
saham. Jadi dari kasus ini dapat disimpulkan bahwa secara parsial PER tidak
berpengaruh terhadap harga saham pada perusahaan di BEJ.
2.
Pengujian koefisien regresi variabel ROI
1.
Menentukan Hipotesis
Ho
: Secara parsial tidak ada pengaruh
signifikan antara ROI dengan harga saham
Ha
: Secara parsial ada pengaruh
signifikan antara ROI dengan harga saham
2. 2.
Menentukan tingkat signifikansi
Tingkat
signifikansi menggunakan a
= 5%.
3. Menentukan
t hitung
Berdasarkan
tabel diperoleh t hitung sebesar 5,964
4. Menentukan
t tabel
Tabel
distribusi t dicari pada a
= 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 18-2-1
= 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
Dengan pengujian 2 sisi (signifikansi
= 0,025) hasil diperoleh untuk t tabel sebesar 2,131.
5.
Kriteria Pengujian
Ho diterima jika -t tabel £ t hitung £ t tabel
Ho
ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan
thitung dengan t tabel
Nilai
t hitung > t tabel (5,964 > 2,131) maka Ho ditolak
7.
Kesimpulan
Oleh
karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya
secara parsial ada pengaruh signifikan antara ROI dengan harga saham. Jadi dari
kasus ini dapat disimpulkan bahwa secara parsial ROI berpengaruh positif
terhadap harga saham pada perusahaan di BEJ.
Pengujian Hipotesis tentang
Koefisien Regresi
|
Kelompok 10
Izhen Handana : C1B017110
Akrisna Rengga Diningrat :
C1B017134
Fakultas Ekonomi dan Bisnis
Universitas Jambi
2019
KATA PENGANTAR
Puji syukur alhamdulillah kami panjatkan ke
hadirat Tuhan Yang Maha Esa, karena telah melimpahkan rahmat-Nya berupa
kesempatan dan pengetahuan sehingga makalah ini bisa selesai pada waktunya.
Terima kasih juga kami ucapkan kepada teman-teman
yang telah berkontribusi dengan memberikan ide-idenya sehingga makalah ini bisa
disusun dengan baik dan rapi.
Kami berharap semoga makalah ini bisa menambah
pengetahuan para pembaca. Namun terlepas dari itu, kami memahami bahwa makalah
ini masih jauh dari kata sempurna, sehingga kami sangat mengharapkan kritik
serta saran yang bersifat membangun demi terciptanya makalah selanjutnya yang
lebih baik lagi.
BAB 1
PENDAHULUAN
a.
LATAR
BELAKANG
Regresi diperkenalkan
oleh Francis Galton. Regresi
merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau
lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana
variabel-variabel itu berhubungan atau dapat diramalkan.
Istilah regresi (ramalan/taksiran) pertama
kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan
penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi
orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari
orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata
populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.
Analisis regresi lebih akurat dalam melakukan analisis korelasi,
karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan
suatu variabel terhadap variabel lainnya dapat ditentukan). Dengan demikian
maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai
variabel bebas lebih akurat pula.
b.
RUMUSAN MASALAH
1. Apa
itu Koefisien Regresi..?
2. Bagaimana
mengambil hipotesis dengan koefisien regresi..?
3. Bagaiman
menghitung koefisien regresi dengan uji F..?
4. Bagaiman
menghitung koefisien regresi dengan uji t..?
c.
TUJUAN
1.
Mengetahui apa itu koefisien
regresi
2.
Mengetahui mengambil hipotesis
dengan koefisien regresi
3.
Mengetahui menghitung koefisien
regresi dengan uji F
4.
Mengetahui menghitung koefisien
regresi dengan uji t
BAB II
PEMBAHASAN
A.
Pengertian
Koefisien regresi ‘b’ adalah kontribusi besarnya
perubahan nilai variabel bebas,
semakin besar nilai koefisien regresi maka kontribusi perubahan semakin besar,
demikian pula sebaliknya akan semakin lecil. Kontribusi perubahan variabel
bebas (X) juga ditentukan oleh koefisien regresi positif atau negatif.
b
Kita
mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut: Seorang
mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang
mempengaruhi harga saham pada perusahaan di BEJ. Bambang dalam penelitiannya
ingin mengetahui hubungan antara rasio keuangan PER dan ROI terhadap harga
saham. Dengan ini Bambang menganalisis dengan bantuan program SPSS dengan alat
analisis regresi linear berganda. Dari uraian di atas maka didapat variabel
dependen (Y) adalah harga saham, sedangkan variabel independen (X1
dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data
rasio dan ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data
Fiktif)
|
Tahun
|
Harga
Saham (Rp)
|
PER
(%)
|
ROI
(%)
|
|
1990
|
8300
|
4.90
|
6.47
|
|
1991
|
7500
|
3.28
|
3.14
|
|
1992
|
8950
|
5.05
|
5.00
|
|
1993
|
8250
|
4.00
|
4.75
|
|
1994
|
9000
|
5.97
|
6.23
|
|
1995
|
8750
|
4.24
|
6.03
|
|
1996
|
10000
|
8.00
|
8.75
|
|
1997
|
8200
|
7.45
|
7.72
|
|
1998
|
8300
|
7.47
|
8.00
|
|
1999
|
10900
|
12.68
|
10.40
|
|
2000
|
12800
|
14.45
|
12.42
|
|
2001
|
9450
|
10.50
|
8.62
|
|
2002
|
13000
|
17.24
|
12.07
|
|
2003
|
8000
|
15.56
|
5.83
|
|
2004
|
6500
|
10.85
|
5.20
|
|
2005
|
9000
|
16.56
|
8.53
|
|
2006
|
7600
|
13.24
|
7.37
|
|
2007
|
10200
|
16.98
|
9.38
|
Langkah-langkah
pada program SPSS
Ø Masuk program SPSS
Ø Klik variable view pada SPSS
data editor
Ø Pada kolom Name ketik y, kolom
Name pada baris kedua ketik x1, kemudian untuk baris kedua ketik x2.
Ø Pada kolom Label, untuk kolom
pada baris pertama ketik Harga Saham, untuk kolom pada baris kedua ketik PER,
kemudian pada baris ketiga ketik ROI.
Ø Untuk kolom-kolom lainnya boleh
dihiraukan (isian default)
Ø Buka data view pada SPSS data
editor, maka didapat kolom variabel y, x1, dan x2.
Ø Ketikkan data sesuai dengan
variabelnya
Ø Klik Analyze - Regression - Linear
Ø Klik variabel Harga Saham dan
masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI kemudian
masukkan ke kotak Independent.
Ø Klik Statistics, klik Casewise
diagnostics, klik All cases. Klik Continue
Ø Klik OK, maka hasil output yang
didapat pada kolom Coefficients dan Casewise diagnostics adalah sebagai
berikut:
Tabel. Hasil Analisis Regresi Linear
Berganda
Persamaan
regresinya sebagai berikut:
Y’
= a + b1X1+ b2X2
Y’
= 4662,491 + (-74,482)X1 +
692,107X2
Y’
= 4662,491 - 74,482X1 +
692,107X2
Keterangan:
Y’ =
Harga saham yang diprediksi (Rp)
a =
konstanta
b1,b2 =
koefisien regresi
X1 = PER (%)
X2 = ROI (%)
Persamaan
regresi di atas dapat dijelaskan sebagai berikut:
-
Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2)
nilainya adalah 0, maka harga saham (Y’) nilainya adalah Rp.4662,491.
- Koefisien
regresi variabel PER (X1) sebesar -74,482; artinya jika variabel
independen lain nilainya tetap dan PER mengalami kenaikan 1%, maka harga saham
(Y’) akan mengalami penurunan sebesar Rp.74,482. Koefisien bernilai negatif
artinya terjadi hubungan negatif antara PER dengan harga saham, semakin naik
PER maka semakin turun harga saham.
- Koefisien
regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel
independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka harga saham
(Y’) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai positif
artinya terjadi hubungan positif antara ROI dengan harga saham, semakin naik
ROI maka semakin meningkat harga saham.
Nilai harga saham yang diprediksi (Y’)
dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value).
Sedangkan Residual (unstandardized residual) adalah selisih antara harga
saham dengan Predicted Value, dan Std. Residual (standardized residual)
adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0
maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin
menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi
dalam melakukan prediksi).
B.
Uji
Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui
apakah variabel independen (X1,X2….Xn) secara
bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y). Atau
untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel
dependen atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku
untuk populasi (dapat digeneralisasikan), misalnya dari kasus di atas
populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di atas 18
perusahaan, jadi apakah pengaruh yang terjadi atau kesimpulan yang didapat
berlaku untuk populasi yang berjumlah 50 perusahaan.
Dari hasil output analisis regresi
dapat diketahui nilai F seperti pada tabel 2 berikut ini.
Tabel. Hasil Uji F
Tahap-tahap untuk melakukan uji F
adalah sebagai berikut:
1. Merumuskan
Hipotesis
Ho
: Tidak ada pengaruh secara
signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
Ha
: Ada pengaruh secara
signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
2. Menentukan
tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah
ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan
F hitung
Berdasarkan
tabel diperoleh F hitung sebesar 25,465
4.
Menentukan F tabel
Dengan menggunakan tingkat keyakinan
95%, a = 5%, df 1 (jumlah variabel–1) = 2, dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah
jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 3,683 (Lihat
pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=finv(0.05,2,15) lalu enter.
5.
Kriteria pengujian
- Ho diterima bila F hitung < F tabel
- Ho ditolak bila F hitung > F tabel
6.
Membandingkan F hitung dengan F
tabel.
Nilai
F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.
7.
Kesimpulan
Karena
F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada
pengaruh secara signifikan antara price
earning ratio (PER) dan return on investmen (ROI) secara
bersama-sama terhadap terhadap harga saham. Jadi dari kasus ini dapat
disimpulkan bahwa PER dan ROI secara bersama-sama berpengaruh terhadap harga
saham pada perusahaan di BEJ.
C.
Uji
Koefisien Regresi Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui
apakah dalam model regresi variabel independen (X1, X2,…..Xn)
secara parsial berpengaruh signifikan terhadap variabel dependen (Y).
Dari hasil analisis regresi output
dapat disajikan sebagai berikut:
Tabel.
Uji t
Langkah-langkah
pengujian sebagai berikut:
1.
Pengujian koefisien regresi variabel PER
1.
Menentukan Hipotesis
Ho
: Secara parsial tidak ada
pengaruh signifikan antara PER dengan harga saham.
Ha
: Secara parsial ada
pengaruh signifikan antara PER dengan harga saham
2. Menentukan tingkat signifikansi
Tingkat
signifikansi menggunakan a
= 5%
3.
Menentukan t hitung
Berdasarkan
tabel diperoleh t hitung sebesar -1,259
4.
Menentukan t tabel
Tabel
distribusi t dicari pada a
= 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 18-2-1
= 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
Dengan pengujian 2 sisi (signifikansi
= 0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=tinv(0.05,15) lalu enter.
5.
Kriteria Pengujian
Ho diterima jika -t tabel < t hitung
< t tabel
Ho
ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan
thitung dengan t tabel
Nilai
-t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima
7.
Kesimpulan
Oleh
karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima,
artinya secara parsial tidak ada pengaruh signifikan antara PER dengan harga
saham. Jadi dari kasus ini dapat disimpulkan bahwa secara parsial PER tidak
berpengaruh terhadap harga saham pada perusahaan di BEJ.
2.
Pengujian koefisien regresi variabel ROI
1.
Menentukan Hipotesis
Ho
: Secara parsial tidak ada pengaruh
signifikan antara ROI dengan harga saham
Ha
: Secara parsial ada pengaruh
signifikan antara ROI dengan harga saham
2. 2.
Menentukan tingkat signifikansi
Tingkat
signifikansi menggunakan a
= 5%.
3. Menentukan
t hitung
Berdasarkan
tabel diperoleh t hitung sebesar 5,964
4. Menentukan
t tabel
Tabel
distribusi t dicari pada a
= 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 18-2-1
= 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
Dengan pengujian 2 sisi (signifikansi
= 0,025) hasil diperoleh untuk t tabel sebesar 2,131.
5.
Kriteria Pengujian
Ho diterima jika -t tabel £ t hitung £ t tabel
Ho
ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan
thitung dengan t tabel
Nilai
t hitung > t tabel (5,964 > 2,131) maka Ho ditolak
7.
Kesimpulan
Oleh
karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya
secara parsial ada pengaruh signifikan antara ROI dengan harga saham. Jadi dari
kasus ini dapat disimpulkan bahwa secara parsial ROI berpengaruh positif
terhadap harga saham pada perusahaan di BEJ.
No comments:
Post a Comment