62
yaitu data tidak menceng ke kiri atau menceng ke kanan. Jadi dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi
normal.
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.2 Normal P-Plot
Berdasarkan Gambar 4.2 Normal Probability Plot dapat dilihat dan disimpulkan bahwa model regresi memenuhi asumsi normalitas karena data menyebar di
sekitar garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.2.2.2 Uji Multikolinearitas
Masalah yang mungkin akan muncul pada penggunaan persamaan regresi linear adalah multikolinearitas, yaitu suatu keadaan dimana antara variabel bebas
terdapat korelasi. Untuk melihat ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari nilai tolerance dan nilai Variance Inflantion Factor
VIF. Nilai batasan atau cut off yang umum digunakan untuk menunjukkan adanya multikolinearitas adalah Nilai Tolerance 0.10, sedangkan nilai Variance
Inflation Factor VIF 5. Dasar pengambilan keputusan untuk mendeteksi ada
Universitas Sumatera Utara
63
atau tidak adanya multikolinearitas dilakukan dengan melihat nilai toleransi variabel dan VIF dengan membandingkannya.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF
1 Constant
-5.056 10.173 -.497
.621 BTM
-2.401 1.551
-.196 -1.548
.126 .571 1.751
PER .110
.052 .374
2.115 .038
.294 3.398 DY
-.576 .189
-.352 -3.046
.003 .689 1.451
SIZE .223
.300 .081
.745 .459
.770 1.299 PNAV
-.063 .038
-.250 -1.667
.100 .408 2.453
CFTP 1.628
2.566 .063
.634 .528
.928 1.077 a. Dependent Variable: RETURN SAHAM
Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarkan Tabel 4.3 dapat diketahui bahwa nilai tolerance dan VIF dari variabel BTM adalah sebesar 0,571 dan 1,751. Untuk variabel PER adalah sebesar
0,294 dan 3,398. Untuk variabel DY adalah sebesar 0,689 dan 1.451. Untuk variabel size adalah sebesar 0,770 dan 1,299. Untuk variabel PNAV adalah
sebesar 0,408 dan 2,453. Untuk variabel CFTP adalah sebesar 0,928 dan 1,077. Oleh karena itu, dapat disimpulkan bahwa dalam model ini tidak terdapat masalah
multikolinearitas antara variabel bebas, karena nilai tolerance berada di bawah 1 dan nilai VIF dibawah 5.
Universitas Sumatera Utara
64
4.2.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual dari satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Pengujian untuk melihat ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat scatterplot antara lain prediksi variabel terikat
ZPRED dengan residual SRESID. Jika titik-titik pada scatterplot tersebut membentuk pola tertentu yang teratur misal bergelombang, melebar kemudian
menyempit, maka dapat diindikasikan bahwa telah terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat pada Gambar 4.3 sebagai berikut :
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.3 Scatterplot
Berdasarkan grafik Scatterplot dapat dilihat bahwa titik-titik menyebar secara acak tidak membentuk suatu pola yang jelas serta tersebar baik di atas
Universitas Sumatera Utara
65
maupun di bawah angka nol pada sumbu Y. Hal ini berarti dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga layak dipakai.
Adapun pengujian lain untuk mendeteksi ada atau tidaknya
heteroskedastisitas dapat dilakukan dengan pendekatan statistik yaitu uji Glejser, dengan mengubah variabel dependen menjadi absut. Hal ini terlihat dari jika
probabilitas signifikannya diatas tingkat kepercayaan 0,05 5 dapat disimpulkan model regresi tidak terjadi heteroskedastisitas. Hasil pengujian
heteroskedastisitas dengan uji Glejser dapat dilihat pada Tabel 4.4 sebagai berikut:
Tabel 4.4 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
9.021 6.124
1.473 .145
BTM -.095
.934 -.016
-.102 .919
PER .009
.031 .064
.300 .765
DY .066
.114 .080
.577 .566
SIZE -.246
.181 -.179 -1.363
.177 PNAV
-.026 .023
-.208 -1.152 .253
CFTP -.775
1.545 -.060
-.501 .618
a. Dependent Variable: Absut
Sumber : Hasil Penelitian, 2015 Data Diolah Berdasarkan Tabel 4.4 bahwa tidak satupun variabel independen yang
signifikan secara statistik terhadap variabel dependen absut. Hal tersebut terlihat dari probabilitas signifikansinya diatas 0,05, maka dapat disimpulkan bahwa hasil
pengujian menunjukkan tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
66
4.2.2.4 Uji Autokorelasi