59
Dari gambar histogram dan kurva P-Plot diatas terlihat bahwa setelah data ditransformasi kedalam nilai Logaritma Natural data dalam penelitian ini
sudah terdistribusi normal. Hal ini dapat dilihat melalui gambar histogram dan Kurva P-Plot diatas. Pada gambar histogram, terlihat bahwa kemiringan kurva
terlihat sudah relatif seimbang. Hal yang sama juga terlihat pada gambar kurva P- Plot, dimana titik-titik pada kurva P-Plot telah menyebar disekitar garis diagonal.
4.3.2 Uji Multikolinearitas
Tujuan uji multikolinearitas menurut Ghozali 2005 adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel
independen. Pengujian multikolinearitas dilakukan dengan melihat VIF antar variabel independen. Suatu data penelitian dikatakan tidak mengalami
multikolinieritas apabila nilai VIF pada pengujian yang dilakukan dengan SPSS 10. Hasil pengujian multikolinieritas pada peneltian ini dapat dilihat pada tabel
4.2 dibawah ini.
Tabel 4.2 Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 DPR
.544 1.837
DER .862
1.160 CR
.495 2.022
a. Dependent Variable: Ln_Harga Saham
Universitas Sumatera Utara
60
Berdasarkan output SPSS diatas dapat terlihat bahwa nilai VIF masing- masing variabel 10. Dimana nilai VIF variabel independen dividend payout
ratio DPR adalah sebesar 1,837 10. Nilai VIF variabel independen debt to equity ratio DER adalah sebesar 1,160 10. Juga nilai variabel independen
current ratio CR adalah sebesar 2,022 10. Maka dapat dikatakan penelitian ini terbebas dari adanya uji asumsi klasik yaitu uji multikolinieritas.
4.3.3 Uji Heteroskedastisitas
Ghozali 2005 :11 menjelaskan uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu
dari suatu pengamatan dengan pengamatan yang lain. Deteksi ada tidaknya gejala heterokedasitas adalah dengan melihat pola gambar Scatterplot model tersebut.
Analisis pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika titik-titik data tidak mengumpul hanya di
atas atau di bawah saja serta penyebaran titik-titik data sebaliknya tidak berpola. Hasil pengujian heteroskedastisitas dapat dilihat dibawah ini.
Gambar 4.5 Pengujian Heteroskedastisitas
Universitas Sumatera Utara
61
4.3.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson dengan kriteria menurut Sunyoto 2009:91. Suatu model dikatakan terbebas dari
autokorelasi apabila nilai du d 4-du. Hasil olahan statistik uji Durbin Watson dapat dilihat pada tabel dibawah ini.
Tabel 4.3 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .443
a
.196 .151
1.49839 2.004
a. Predictors: Constant, CR, DER, DPR b. Dependent Variable: Ln_Harga Saham
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin - Watson sebesar 2,004. Nilai ini akan dibandingkan dengan nilai tabel Durbin -
Watson dengan nilai signifikansi 5, jumlah sampel adalah 57, jumlah variabel adalah 4 k = 4, maka dalam tabel nilai Durbin
– Watson akan diperoleh nilai du = 1,7253 dan 4-du = 2.2747. Sehingga persamaannya akan menjadi 1,7253
2,004 2,2747. Dengan demikian dapat dikatakan bahwa penelitian ini terbebas dari adanya autokoelasi.
Universitas Sumatera Utara
62
4.4. Pengujian Hipotesis 4.4.1 Uji Analisis Linear Berganda
