Gambar 4.2 Grafik Normal P-Plot
Sumber: Data yang diolah penulis, 2010 Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005:58 deteksi
multikolenaritas pada suatu model dapat dilihat yaitu jika nilai Variance
Universitas Sumatera Utara
Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolenearitas.
Tabel 4.5 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Ln_CAR .373
2.681 Ln_ROE
.131 7.632
Ln_NPM .115
8.667 Ln_RORA
.369 2.709
Ln_BOPO .483
2.068 Ln_LDR
.521 1.920
a. Dependent Variable: Ln_Perubahan Harga Saham
Sumber: Data yang diolah penulis, 2010 Dari data pada tabel 4.5, dapat disimpulkan bahwa tidak terjadi gejala
multikolinearitas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen lebih besar atau sama dengan 0,1 dan nilai
Variance Inflation Factor VIF lebih kecil atau sama dengan dari 10. Maka dapat disimpulkan bahwa tidak terjadi multikolinearitas dan analisis lebih
lanjut dapat dilakukan dengan menggunakan model regresi berganda.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada
Universitas Sumatera Utara
tidaknya heteroskedastisitas pada suatu model dapat diihat dari pola gambar grafik Scatterplot. Analisis pada gambar Scatterplot yang menyatakan model
regresi linear berganda tidak terdapat heteroskedastisitas jika: 1. titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0,
2. titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali, 4. penyebaran titik-titik data sebaiknya tidak berpola.
Gambar 4.3 Scatterplot
Sumber: Data yang diolah penulis, 2010
Universitas Sumatera Utara
Dari grafik scatterplot di atas terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y,
sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
d. Uji Autokorelasi