a. Analisis Grafik
Sumber: Hasil olahan SPSS 18.00, 2013 Gambar 4.4
Histogram Dependent Variabel Harga Saham
Gambar 4.4 ini menunjukkan kurva histogram yang memiliki kemiringan seimbang kekiri dan kekanan, atau tidak condong ke kiri maupun ke kanan,
melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu syarat uji normalitas data bahwa data berdistribusi normal.
Universitas Sumatera Utara
Sumber: Hasil olahan SPSS 18.00, 2013 Gambar 4.5
Normal P-Plot of Regresion Standarized Residual
Gambar 4.5 ini merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini
berarti data pada variabel yang digunakan, yaitu variabel harga saham, berdistribusi normal.
Penelitian ini menggunakan Uji Statistik non-parametrik One sample Kolmogorov-Smirnov untuk mendapatkan tingkat uji normalitas yang lebih
signifikan. Pada Tabel 4.7 berikut ini, diperoleh nilai Asymp. Sig 2-tailed taraf nyata α, yaitu 0.
.
410 0.05. Hal ini berarti bahwa H diterima, yang berarti data
residual berasal dari distribusi normal.
Universitas Sumatera Utara
Tabel 4.7 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
51 Normal Parameters
Mean
a,b
.0000000 Std. Deviation
16.10746487 Most Extreme
Differences Absolute
.124 Positive
.124 Negative
-.081 Kolmogorov-Smirnov Z
.888 Asymp. Sig. 2-tailed
.410 a. Test distribution is Normal
Sumber: Hasil olahan SPSS 18.00, 2013 b
Uji Heteroskedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians
dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Salah satu uji
untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatter plot.
Gambar 4.6 Scatterplot Standardized Predicted Value
Universitas Sumatera Utara
Pada Gambar 4.6 di atas terlihat penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola tertentu.
Sehingga dapat disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi dalam penelitian ini. Untuk memperoleh tingkat uji heteroskedastisitas
yang lebih signifikan, maka dalam penelitian ini juga dilakukan uji glejser Apabila signifikansi dari variabel bebas lebih besar dari taraf nyata, maka
dianggap tidak terjadi masalah heteroskedastisitas, dan begitu juga sebaliknya.
Tabel 4.8
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 9.372
5.448 1.720
.092 SqrtDPS
-.369 .312
-.200 -1.185
.242 SqrtROI
40.766 39.904
.173 1.022
.312 a. Dependent Variable: absut
Sumber: Hasil olahan SPSS 18.00, 2013
Berdasarkan Tabel 4.8 berikut ini diperoleh nilai signifikansi variabel dividend per share dan return on investment lebih besar
dari taraf nyata α = 5 . Dengan demikian dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam
model regresi ini.
c. Uji Autokolerasi