4.3Hasil Penelitian 4.3.1 Uji Asumsi Klasik
Salah satu syarat untuk bisa menggunakan persamaan regresi berganda adalah terpenuhinya asumsi dasar klasik. Untuk mendapatakan nilai pemeriksa
yang tidak bias dan efisien dari satu persamaan regresi berganda dengan metode kudrat terkecil, perlu dilakukan pengujian untuk mengetahui model regresi yang
dhasilkan memenuhi persyaratan asumsi klasik. Persyaratan asumsi dasar klasik yang harus dipenuhi adalah :
1. Normalitas. Berdistribusi normal merupakan distribusi teoritis dari variabel random yang kontinyu.
2. Non-Heteroskedastisitas. artinya ,variabel bebas adalah konstan sama untuk setiap nilai tertentu variabel bebas.
3. Autokorelasi. Artinya, bahwa kesalahan atau gangguan yang masuk ke dalam fungsi regresi populasi adalah random atau tak berkorelasi.
4. Non-multikolinearitas. Artinya, antara variabel bebas yang satu dengan variabel yang lain dalam model regresi tidak saling berhubungan secara
sempurna atau mendekati sempurna
4.3.2 Uji Normalitas
Uji normalitas untuk mengetahui apakah residual model regresi yang diteliti berdistribusi normal atau tidak. Metode yang digunakan adalah Uji
Kolmogorov-Smirnov. Bila probabilitas hasil uji lebih besar dari 0,05 5 maka terdistribusi normal dan sebaliknya terdistribusi tidak normal.Hasil uji Uji
Kolmogorov-Smirnov adalah sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.4 : Tabel Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Sumber Data : Lampiran Dari hasil pengujian, diperoleh hasil pada tabel 4.4dengan nilai statistic
Kolmogorov-Smirnov untuk variabel Harga Saham adalah KS = 1.649 dengan p =
0,099. Jika digunakan tingkat signifikan ߙ = 5 atau 0,05 ternyata nilai p untuk
variabel harga saham yaitu 1.649 adalah lebih besar dari ߙ 0,05; sehingga
dapat disimpulkan bahwa variabel harga saham memiliki distribusi normal.
4.3.3 Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana terdapat suatu korelasi hubungan antara residual tiap elemen. Istilah autokorelasi juga didefinisikan
sebagai kondisi yang berurutan di antara gangguan atau distubansi yang masuk kedalam fungsi regresi populasi.Satu asumsi penting dari regresi linear berganda
adalah bahwa yang masuk ke dalam fungsi regresi populasi adalah random atau tak berkorelasi. Pendeteksian adanya autokorelasi di sini menggunakan percobaan
Durbin Watson .Kriteria pengujian yang melandasi keputusan:
One-Sample Kolmogorov-Smirnov Test
32 .0000000
9745.457505 .291
.291 -.268
1.649 .099
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Diff erences
Kolmogorov -Smirnov Z Asy mp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.5 : Uji Durbin Watson
Nilai DW Durbin Watson yang dihasilkan adalah sebesar 1.850 karena nilai DW Durbin Watson berada du 1,57 d1.850 4
– du 4-1,57=2,43, maka dapat disimpulkan bahwa antara residual kesalahan pengganguan tidak dapat korelasi
atau model regresi linier berganda yang dihasilkan tidak terjadi autokorelasi
4.3.4 Uji multikorelasi