Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Jika data menyebar di sekitar garis
diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas, demikian sebaliknya. Dari grafik histogram dan normal probability plot pada gambar 4.3 dan
gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data menggunakan LN, grafik histogram memperlihatkan pola distribusi yang normal,
dan grafik P-P Plot memperlihatkan titik-titik menyebar di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson.
Tabel IV.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .103
a
.011 -.024
1.19710 1.965
a. Predictors: Constant, ln_ROE, ln_PBV b. Dependent Variable: ln_Return_Saham
Universitas Sumatera Utara
Sumber: Data Olahan SPSS, 2010 Tabel 4.4 memperlihatkan nilai statistik D-W sebesar
1.965
Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa tidak ada
autokorelasi dalam penelitian ini.
c. Hasil Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian dilakukan dengan Uji Glejser, dengan cara meregres seluruh variabel independen
dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah :
H : tidak ada heteroskedastisitas, jika signifikan 5
H
1
: ada heteroskedastisitas, jika signifikan 5
Tabel 4.5 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.165
.216 5.387
.000 ln_PBV
.010 .064
.020 .151
.881 ln_ROE
-.083 .083
-.131 -1.002
.320 a. Dependent Variable: Absut
Sumber: Data Olahan SPSS, 2010
Universitas Sumatera Utara
Dari tabel 4.5 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel LN PBVadalah 0,881 0.05, untuk variabel LN ROE adalah 0,320
0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena semua variabel independennya memiliki signifikan
lebih besar dari 0,05
d. Hasil Uji Multikolinieritas