4.3. Analisis dan Pengujian Hipotesis
4.3.1. Asumsi-Asumsi Klasik Regresi
Pengujian asumsi klasik ini perlu dilakukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan betul-betul terbatas dari
adanya gejala normalitas, gejala multikolinearitas, gejala autokorelasi, dan gejala heteroskedastisitas. Hasil pengujiannya disajikan sebagai berikut:
4.3.1.1. Uji Normalitas
Normalitas merupakan sebuah model regresi yang variabel Dependen dan Independen atau keduanya mempunyai distribusi normal
atau tidak. Untuk mendeteksi adanya Normalitas yaitu dengan menggunakan uji Kolmogorov-Smirnov dengan Lilliefors Significance
Correction dan Shapiro-Wilk, dengan menggunakan uji ini diperoleh hasil analisis bahwa tidak semua variable yang diteliti memiliki distribusi yang
normal, hanya pada RORA X
2
, ROA X
4
dan LDR X
5
yang memiliki distribusi normal dimana nilai signifikansi dari hasil analisis diatas 0.05,
sehingga dapat disimpulkan sebagian data tersebut tidak memenuhi asumsi berdistribusi normal. Seperti pada tabel normalitas data berikut:
Tabel 4.7: Hasil Uji Normalitas
Tests of Normality
.198 50
.000 .799
50 .000
.114 50
.119 .952
50 .041
.124 50
.052 .951
50 .036
.102 50
.200 .956
50 .060
.080 50
.200 .963
50 .115
.319 50
.000 .640
50 .000
CAR RORA
NPM ROA
LDR Per.HargaSaham
Statistic df
Sig. Statistic
df Sig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
This is a lower bound of the true significance. .
Lilliefors Significance Correction a.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.1.2. Uji Multikolinieritas
Multikolinieritas merupakan adanya korelasi variabel independen dalam regresi berganda. Mendeteksi adanya Multikolinier :
a Besarnya VIF Variance Inflation Factor dan Tolerance
Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinieritas.
b Nilai Eigenvalue mendekati 0.
c Condition Index melebihi angka 15.
Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan
adanya gejala multikolinieritas pada variabel RORA X
2
dimana nilai VIF pada variabel ini sebesar 20.941, NPM X
3
= 12.567, dan ROA X
4
= 13.027 karena nilai VIF lebih besar dari 10 maka variabel ini disimpulkan terdapat gejala multikolinieritas dengan variabel independen
lainnya. Sedangkan variabel yang lain masing-masing variabel dengan nilai VIF untuk CAR X
1
= 1.265 dan LDR X
5
= 3.090; lebih kecil dari 10. Syarat terjadi multikolinieritas jika nilai VIF Variance Inflation
Factor 10 Cryer, 1994:681.
Tabel 4.8: Hasil Uji Multikolinieritas
Coefficients
a
527.770 886.918
.595 .555
-37.031 12.995
-.324 -2.850
.007 -.395
.790 1.265
154.967 234.728
.305 .660
.513 .099
.048 20.941
53.938 48.199
.401 1.119
.269 .166
.080 12.567
-41.621 362.248
-.042 -.115
.909 -.017
.077 13.027
-4.635 11.846
-.069 -.391
.698 -.059
.324 3.090
Constant CAR
RORA NPM
ROA LDR
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correlatio ns
Tolerance VIF
Collinearity Statistics
Dependent Variable: Per.HargaSaham a.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.1.3. Uji Heteroskedastisitas