55
kanan atau ke kiri. Karena kurva berbentuk normal berarti data yang diteliti dalam model regresi memenuhi syarat asumsi
normalitas. Uji normalitas juga bisa disajikan dengan menggunakan
grafik normal plot, adapun hasil uji tersebut adalah:
Gambar 4.2 Hasil Pengujian Normalitas Data-P Plot
Dari grafik tersebut diatas, terlihat titik–titik data menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis
diagonal. Maka model regresi dalam penelitian ini memenuhi syarat asumsi normalitas Ghozali 2005:126.
56
b. Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas atau
independen. Berikut ini adalah hasil dari uji multikolinearitas:
Tabel 4.2 Hasil Pengujian Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
6123.525 12226.975 Likuiditas
-10751.838 5648.098
-.243 .417
2.395 Profitabilitas
187694.136 19573.130 .891
.791 1.264
Solvabilitas 5068.929
7942.484 .079
.448 2.232
a. Dependent Variable: Harga saham
Berdasarkan tabel 4.2 diatas nilai tolerance variabel likuiditas, profitabilitas, dan solvabilitas berkisar antara 0,417
sampai dengan 0,448 atau lebih besar dari 0,10. Hasil perhitungan nilai tolerance tersebut menunjukkan tidak ada variabel independen
yang memiliki nilai tolerance kurang dari 0,10. Jadi dapat disimpulkan tidak ada korelasi antar variabel independen.
Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10, karena nilainya
57
berkisar antara 1,264 sampai dengan 2.395, jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam
model regresi.
c. Hasil Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan penggangu pada periode t-1. Berikut ini adalah hasil dari uji Autokorelasi:
Tabel 4.3 Hasil Pengujian Autokorelasi
Uji Autokorelasi yang digunakan adalah uji Durbin- Watson. Berdasarkan tabel 4.3 diatas menunjukkan nilai Durbin-
Watson sebesar 1,684. Karena angka D-W berada antara -2 sampai +2, hal ini berarti tidak terdapat masalah autokorelasi. Jadi dapat
disimpulkan dalam model regresi tidak ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengggangu pada periode t-1.
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .799
a
.638 .618
1389.143 1.684
a. Predictors: Constant, Solvabilitas, Profitabilitas, Likuiditas b. Dependent Variable: Harga saham
58
d. Hasil Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Berikut ini adalah hasil dari uji Heterokedastisitas:
Gambar 4.3 Hasil Pengujian Heteroskedastisitas
Berdasarkan gambar 4.3 diatas terlihat bahwa titik–titik menyebar secara acak serta tersebar baik diatas maupun dibawah
angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi atau dapat
disimpulkan bahwa
dalam model
regresi tidak
terjadi ketidaksamaan
variance dari
residual satu pengamatan ke pengamatan yang lain, sehingga model regresi layak dipakai untuk
