Uji Normalitas Uji Asumsi Klasik
Gambar 4.2 Sumber: Output SPSS 22.0, diolah penulis 2015
Gambar 4.2 merupakan kurva P-P Plot. Pada scatterplot terlihat titik-titik data berada di sepanjang garis diagonal dan mengikuti arah garis diagonal
tersebut. Hal ini berarti data pada variabel dependen yang digunakan, yaitu variabel struktur modal dengan menggunakan Underpricing, dapat berdistribusi
dengan normal. Pengujian normalitas dengan menggunakan pendekatan histogram dan
pendekatan grafik P-P plot dengan tujuan untuk melihat apakah terdistribusi normal atau tidak saja tidak cukup. Dan sering kali menimbulkan perbedaan
persepsi dari para pengamat karena sifatnya yang subjektif, sehingga untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal atau
tidak maka, kita perlu melakukan uji normalitas data dengan analisis statistik agar lebih meyakinkan. Untuk meningkatkan akurasi pengujian normalitas data pada
penelitian ini, maka digunakan uji statistik nonparametrik, yakni pendekatan Kolmogorov-Smirnov 1 Sample KS. Jika diperoleh nilai Asymp. Sig 2-tailed
tingkat signifikan α, dalam penelitian ini α sebesar 0,05, maka dapat dikatakan variabel residual berdistribusi normal.
Tabel 4.2 Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
47 Normal Parameters
a,b
Mean .0000000
Std. Deviation .91777510
Most Extreme Differences Absolute
.084 Positive
.058 Negative
-.084 Test Statistic
.084 Asymp. Sig. 2-tailed
.200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Sumber: Output SPSS 22.0, diolah penulis 2015 Dari Tabel 4.2, Asymp. Sig 2-tailed = 0,200 dimana angka ini lebih besar
dibandingkan nilai signifikannya 0,05. Berdasarkan hasil tersebut dapat
disimpulkan bahwa varibel residual berdistribusi normal. 2.
Uji Heteroskedastisitas
Pada persamaan regresi pasti muncul residu, yakni variabel lain yang terlibat, tetapi tidak dimuat dalam model, sehingga variabel tersebut diasumsikan
bersifat acak. Jika data residu tidak bersifat acak, maka dapat dikatakan data terkena heteroskedastisitas. Uji ini juga bertujuan untuk menguji apakah sebuah
grup mempunyai varians yang sama diantara anggota grup tersebut. Jika variansnya sama, maka dapat dikatakan terdapat homokedastisitas, namun jika
sebaliknya, maka dikatakan terjadi heteroskedastisitas. Data yang baik adalah data
yang tidak mengalami heteroskedastisitas. Uji heteroskedastisitas yang digunakan dalam penelitian ini adalah metode Glejser Test dan grafik.
Gambar 4.3
Sumber: Output SPSS 22.0, diolah penulis 2015 Gambar 4.3 merupakan grafik scatterplot dari variabel dependen
underpricing. Grafik menunjukkan titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Metode pendekatan grafik ini memiliki kelemahan dalam memprediksi heteroskedastisitas. Kelemahannya yakni jika jumlah pengamatan yang dilakukan
atau data yang ada jumlahnya sedikit, maka sulit untuk menginterpretasikan hasil
grafik scatterplot. Oleh karena itu, dalam penelitian ini digunakan uji lain untuk
memprediksi heteroskedastisitas, yakni Glejser Test. Tabel 4.3
Pengujian Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
-1.309 2.109
-.621 .538
LNukuranperusahaan .064
.074 .143
.855 .397
Underwriter .033
.201 .028
.166 .869
LNleverage -.067
.162 -.067
-.414 .681
LNroe -.067
.086 -.122
-.774 .443
a. Dependent Variable: ABS
Sumber: Output SPSS 22.0, diolah penulis 2015 Tabel 4.3 menunjukkan hasil pengujian Glejser Test. Jika variabel
independen berpengaruh secara signifikan terhadap variabel dependen ABS, maka hal ini mengindikasikan terjadinya heteroskedastisitas. Namun hasil pengujian
menunjukkan probabilitas signifikansi variabel independen berada di atas tingkat kepercayaan 5. Hal ini berarti model regresi tidak mengalami persoalan
heteroskedastisitas.