4.2 Pengujian Asumsi Klasik 4.2.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki memiliki distribusi normal. Seperti
diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak condong ke kiri
atau condong ke kanan. Setelah melakukan uji normalitas dengan mengunakan software SPSS
diketahui bahwa model regresi penelitian ini berdistribusi secara normal hal ini dapat disimpulkan melalui:
1 Analisis Grafik
Gambar 4.1 Hasil Normalitas Grafik Histogram
Universitas Sumatera Utara
Berdasarkan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa model regresi pada penelitian ini berdistribusi secara normal
hal ini tergambar pada grafik histogram, dimana grafik tidak menceng kekiri atau kekanan grafik seimbang antara kiri dan kanan dan pada grafik normal plot
tampak bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal.
2 Analisis Statistik
Berdasarkan output SPSS di bawah ini terlihat bahwa nilai asymp sig 2- tailed adalah 0,437 dan di atas nilai signifikan 0,05 dengan kata lain variabel
residual berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.7 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 25,19738296
Most Extreme Differences
Absolute ,105
Positive ,092
Negative -,105
Kolmogorov-Smirnov Z ,869
Asymp. Sig. 2-tailed ,437
a. Test distribution is Normal. b. Calculated from data.
4.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel–variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Universitas Sumatera Utara
Tabel 4.8 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant 5,513
17,388 ,317 ,752
Quick Ratio -,159
,249 -,085
-,640 ,524 ,874
1,144 Banking Ratio
-,019 ,212
-,012 -,091 ,928
,881 1,135
ROE ,016
,048 ,041
,333 ,740 ,984
1,016 a. Dependent Variable: perubahan harga saham
Tabel 4.9 Koefisien Korelasi
Coefficient Correlations
a
Model ROE
BR QR
Correlations ROE
1,000 ,080
,118 Banking Ratio
,080 1,000
,343 Quick Ratio
,118 ,343
1,000 Covariances
ROE ,002
,001 ,001
Banking Ratio ,001
,045 ,018
Quick Ratio ,001
,018 ,062
a. Dependent Variable: perubahan harga saham
Melihat hasil besaran korelasi antar variabel dependen tampak bahwa hanya variabel ROE yang mempunyai korelasi cukup tinggi dengan variabel Quick Ratio
dengan tingkat korelasi 0,118 atau sekitar 11,8 . Oleh karena korelasi ini masih dibawah 95 , maka dapat dikatakan tidak terjadi multikolinearitas.
Hasil perhitungan nilai tolerance juga menunjukan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada
Universitas Sumatera Utara
korelasi antara variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukan hal yang sama
tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas di antara variabel dalam
penelitian ini.
4.2.3 Uji Heteroskedastisitas Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual dari satu pengamatan ke pengamatan yang lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas.
1 Grafik Scatterplot
Grafik Scatterplot menunjukkan bahwa tidak ada pola yang jelas, serta titik – titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.2 Hasil Heteroskedastisitas Grafik Scatterplot
2 Uji Glejser
Tabel 4.10 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 5,513
17,388 ,317
,752 Quick ratio
-,159 ,249
-,085 -,640
,524 Banking ratio
-,019 ,212
-,012 -,091
,928 ROE
,016 ,048
,041 ,333
,740 a. Dependent Variable: perubahan harga saham
Hasil tampilan output SPSS dengan jelas menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen, hal ini terlihat dari nilai signifikansinya di atas 5, jadi dapat disimpulkan tidak terjadi Heteroskedastisitas.
Universitas Sumatera Utara
4.2.4 Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan
ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu time series karena “gangguan” pada
seseorang individukelompok yang sama pada periode berikutnya. Model regresi
yang baik adalah regresi yang bebas dari autokorelasi
Berdasarkan output SPSS di bawah ini diketahui bahwa nilai Dubrin- Watson sebesar 1,378 sehingga dapat dikatakan tidak terjadi autokorelasi hal ini
berdasarkan pengambilan keputusan ada tidaknya autokorelasi menurut Santoso 2002:218 dengan cara melihat besaran Dubrin-Watson D-W sebagai berikut:
• angka D-W dibawah -2, berarti ada autokorelasi positif,
• angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
• angka D-W di atas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Tabel 4.11 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .095
a
.009 -.037
25.77230 1.378
a. Predictors: Constant, ROE, BR, QR b. Dependent Variable: PHS
4.3 Pengujian Hipotesis Penelitian 4.3.1 Hasil Regresi Linear Berganda
