54
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.1 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.13929332E5
Most Extreme Differences Absolute
.167 Positive
.167 Negative
-.095 Kolmogorov-Smirnov Z
.914 Asymp. Sig. 2-tailed
.374 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarkan Tabel 4.1, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,374, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
4.2.2 Uji Autokorelasi
Uji Durbin Watson adalah sebuah test yang digunakan untuk mendeteksi terjadinya autokorelasi pada nilai residual prediction errors dari sebuah analisis
regresi. Yang dimaksud dengan autokorelasi adalah hubungan antara nilai-nilai yang dipisahkan satu sama lain dengan jeda waktu tertentu.
55
Tabel 4.2 Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1
df2 Sig. F
Change 1
.587
a
.344 .268 225,934.556
.344 4.547
3 26
.011 1.916
a. Predictors: Constant, Book_To_Market_Ratio, Firm_Size, Distress_Risk b. Dependent Variable: Return_Saham
Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarkan hasil hitung, nilai Durbin-Watson DW-Test adalah sebesar 1,916 sedangkan dalam DW-Tabel untuk k=4 dan n= 30, besarnya DW-Tabel
dLbatas bawah Durbin Watson = 1,213 dUbatas atas Durbin Watson = 1,649 4-d = 2,084. Cara untuk menentukan atau kriteria pengujian autokorelasi adalah
sebagai berikut : 1.
Deteksi autokorelasi positif : Jika d dL maka terdapat autokorelasi positif
Jika d dU maka tidak terdapat autokorelasi positif Jika dL d dU maka pengujian tidak meyakinkan atau hasil tidak dapat
disimpulkan. Berdasarkan kriteria diatas, maka di dapat nilai d dU 1,916 1,649. Hasil
tersebut menyatakan bahwa tidak terdapat autokorelasi positif 2.
Deteksi autokorelasi negatif : Jika 4-d dL maka terdapat autokorelasi negatif
Jika 4-d dU maka tidak terdapat autokorelasi negatif Jika dL 4-d dU maka pengujian tidak meyakinkan atau hasil tidak dapat
disimpulkan
56
Berdasarkan kriteria diatas, maka di dapat nilai 4-d dU 2,084 1,649. Hasil tersebut menyatakan bahwa tidak terdapat autokorelasi negatif
Pada hasil diatas dapat disimpulkan pada analisis regresi tidak terdapat autokorelasi positif dan tidak terdapat autokorelasi negatif sehingga bisa
disimpulkan sama sekali tidak terdapat autokorelasi.
4.2.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual 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. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
1. Analisis Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas,
sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
57
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.3 Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2. Analisis Statistik
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi
heteroskedastisitas.
58
Tabel 4.3 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 16055.886
71418.279 .225
.824 Distress_Risk
.006 .013
.109 .487
.631 Firm_Size
.031 .043
.148 .719
.478 Book_To_Market_Ratio
.123 .046
.606 2.692
.052 a. Dependent Variable: RES2
Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarkan Tabel 4.3 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES2. Hal ini
terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.2.4 Uji Multikolinieritas