Tabel 6 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation .67258865
Most Extreme Differences Absolute
.141 Positive
.141 Negative
-.082 Kolmogorov-Smirnov Z
.773 Asymp. Sig. 2-tailed
.589 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada tabel 6 juga menunjukkan nilai Kolmogorov- Smirnov sebesar 0,773 dengan tingkat probabilitas signifikansi sebesar 0,589.
Karena nilai p lebih dari 0,05 0,589 0,05, maka dapat disimpulkan bahwa data residual terdistribusi secara normal. Dengan kata lain, model regresi yang
digunakan memenuhi asumsi normalitas
b. Uji Asumsi Klasik Multikolinieritas
Pengujian asumsi kedua adalah uji multikolinearitas multicollinearity.Antar variabel
‐variabel independen yang masuk ke dalam model. Metode untuk mendiagnosa adanya multicollinearity dilakukan dengan uji Variance Inflation
Factor VIF yang dihitung dengan rumus sebagai berikut: VIF = 1 Tolerance
Multikolinearitas adalah keadaan dimana pada model regresi ditemukan adanya korelasi yang sempurna atau mendekati sempurna antar variabel
independen.Varabel yang baik seharusnya tidak terjadi korelasi yang sempurna atau mendekati sempurna diantara variabel bebas Priyatno, 2012:151.Jika suatu
model regresi mempunyai nilai Tolerance diatas 0,10 dan nilai VIF dibawah 10 maka antar variabel bebas independent variable terjadi persoalan
multikolinearitas. Untuk mengetahui apakah terjadi multikolinearitas dapat dilihat dari nilai VIF yang terdapat pada masing
–masing variabel seperti terlihat pada Tabel berikut ini:
Tabel 7 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.532 .352
-1.510 .144
EPS .001
.000 .638
3.771 .001
.785 1.273
PBV .057
.081 .113
.708 .485
.879 1.137
Leverage ratio
.110 .094
.200 1.166
.255 .761
1.314 ROE
.004 .002
.291 1.890
.070 .949
1.053 a. Dependent Variable: RETURN SAHAM
Sumber: Data sekunder yang diolah
Hasil uji multikolonieritas pada tabel 7 menunjukkan bahwa tidak ada satupun variabel bebas yang memiliki nilai tolerance kurang dari 0,10 dan nilai Variance
Inflation Factor VIF di atas 10. Jadi dapat disimpulkan bahwa tidak terjadi multikoliniearitas antar variabel bebas dalam model regresi ini.
c. Uji Asumsi Klasik Autokorelasi
Menguji kemungkinan terjadinya autokorelasi bertujuan untuk mengetahui apakah kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini karena residual tidak bebas dari satu observasi ke observasi
lainnya.Priyatno 2012:172 model regresi yang baik adalah regresi yang tidak terjadi masalah autokorelasi. Untuk mengetahui ada tidaknya autokorelasi kita
harus melihat nilai uji Durbin-Watson DW testdengan ketentuan sebagai berikut: 1.
DUDW4-DU maka tidak terjadi autokorelasi 2.
DWDL atau DW4-DL maka terjadi autokorelasi 3.
DLDWDU atau 4-DUDW4-DL, artinya tidak ada kepastian atau kesimpulan yang pasti.
Tabel 8 Uji Durbin –Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .661
a
.438 .348
.72440 2.005
a. Predictors: Constant, ROE, PBV, EPS, Leverage ratio b. Dependent Variable: Return Saham
Sumber: Data sekunder yang diolah
Hasil uji Durbin-Watson pada tabel 8 menunjukkan bahwa nilai Durbin Watson DW sebesar 2,005. Sedangkan besarnya DW-tabel: dl batas luar = 1,1426 du
batas dalam =1,7386; 4 – du =2,2614 ; dan 4 – dl =2,8574 . Dapat disimpulkan
bahwa model regresi tersebut berada pada posisi DU DW 4-DU yaitu 1,7382,0052,2614 artinya tidak terjadi autokorelasi.
