Metode Analisis Data Uji Normalitas Uji Multikolinearitas

38 R p : rate of retun portofolio V o : nilai pasar portofolio pada awal periode V 1 : nilai pasar pada akhir periode D 1 : deviden yang diterima atas saham-saham dalam portofolio

3.6 Metode Analisis Data

1. Pengujian Asumsi Klasik

Metode analisis data yang digunakan pada penelitian ini adalah model regresi berganda dengan bantuan software SPSS 17 for windows. Untuk menghasilkan suatu model yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Pengujian asusmsi klasik tersebut meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

a. Uji Normalitas

Menurut Erlina 2008:102, tujuan uji normalitas data adalah untuk “mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Dengan melakukan uji Kolmogorav-Smirnov terhadap model yang diuji, cara ini dapat mendeteksi apakah variabel pengganggu atau residual memiliki distribusi normal. Kriteria pengambilan keputusan adalah apabila nilai signifikan atau probabilitas 0,05, maka residual tidak memiliki distribusi nirmal. Selain itu, uji normalitas juga dapat dilakukan dengan melakukan analisis grafik normal probability plot dan grafik histogram. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali 2005:110 sebagai berikut : 39 1 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, mmaka model regresi memenuhi asumsi normalitas dan 2 Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antara variabel independen. Uji multikolinearitas dapat dilakukan dengan melakukan uji korelasi antara variabel independen dengan menggunakan tolerance dan varians inflating faktor VIF. VIF merupakan suatu jumlah yang menunjukkan variabel independen dapat dijelaskan oleh variabel independen lain dalam persamaan regresi. Untuk mengetahui terjadi atau tidaknya multikolinearitas dapat diketahui dengan kriteria berikut ini: Jika VIF 10, maka tidak terjadi multikolineritas Jika VIF 10, maka terjadi multikolinearitas Jika tolerance 0.01, maka terjadi multikolinearitas Jika tolerance 0.01, maka tidak terjadi multikolinearitas

c. Uji Heteroskedastisitas