syarat pengujian asumsi klasik. Hasil transformasi yang telah dilakukan adalah sebagai berikut:
5.4.1 Uji Normalitas Setelah Transformasi
Setelah dilakukan transformasi dapat dilihat data dalam penelitian berdistribusi normal atau tidak dilihat melalui analisis grafik seperti pada Gambar
5.4
Gambar 5.4. Normal P-Plot Setelah Transformasi
Berdasarkan Gambar 5.4 menunjukkan titik-titik tidak menyebar jauh dari titik diagonal sehingga model regresi sudah memenuhi asumsi normalitas.
Universitas Sumatera Utara
Pola distribusi normal dapat dilihat juga dengan dari grafik histogram pada gambar 5.5 yang memberikan pola distribusi normal dengan penyebaran secara
merata baik ke kiri maupun ke kanan.
Gambar 5.5. Grafik Histogram Setelah Transformasi
Sumber: Hasil Penelitian, 2012 Data Diolah
Hasil uji normalitas residual pada Tabel 5.16 dengan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan nilai hasil sebesar 0,565. Hasil ini
lebih besar dari 0,05 sehingga data sudah berdistribusi normal.
Universitas Sumatera Utara
Tabel 5.16 Hasil Uji Kolmogorov-Smirnov Test Setelah Transformasi
Unstandardized Residual N
104 Normal Parameters
Mean
a,b
,0000000 Std. Deviation
2.20355935 Most Extreme Differences
Absolute .077
Positive .077
Negative -.064
Kolmogorov-Smirnov Z .787
Asymp. Sig. 2-tailed ,565
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2012 Data Diolah
5.4.2 Uji Multikolinieritas Setelah Transformasi
Setelah diadakan transformasi, diperoleh nilai VIF yang lebih kecil dari 10. Dan nilai korelasi yang lebih besar dari 0,1. Multikolonieritas terjadi apabila nilai
tolerance 0,10 dan Variance Inflation Factor VIF 10. Hal ini menunjukkan bahwa variabel independen dalam penelitian ini tidak saling
berkorelasi atau tidak ditemukan adanya korelasi antara variabel independen. Hasil pengujian terlihat pada Tabel 5.17 sebagai berikut:
Tabel 5.17 Hasil Uji Multikolonieritas Setelah Transformasi
Collinearity Statistic Keterangan
Tolerance VIF
1 Constant LNCR
0,571 1,750
Tidak terjadi Multikolonieritas LNROE
0,281 3,565
Tidak terjadi Multikolonieritas LNDER
0,458 2,182
Tidak terjadi Multikolonieritas LNNPM 0,262
3,821 Tidak terjadi Multikolonieritas
a. Dependent Variable: LN_ Saham Sumber: Hasil Penelitian, 2012 Data Diolah
Universitas Sumatera Utara
5.4.3 Uji Autokorelasi Sebelum Dilakukan Lag Variabel Tabel 5.18 Autokolerasi Sebelum Dilakukan Lag Variabel
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .277
.077
a
.039 2.28048
1.395 a. Predictors: Constant, LN_NPM, LN_DER, LN_CR, LN_ROE
b. Dependent Variable: LN_SAHAM Sumber: Hasil Penelitian, 2012 Data Diolah
Berdasarkan Tabel 5.18 menunjukkan bahwa nilai Durbin Watson sebesar 1,395 sedangkan bila dilihat dari tabel DW untuk empat variabel bebas k = 4
banyak data adalah 104, untuk level signifikan = 0,05 di petoleh DL = 1.6016 dan DU = 1,7610 sehingga nilai 4 – DU = 4 – 1,7610 = 2,239. DW lebih rendah
dari DU 1,395 1,7610 sehingga tidak ada kesimpulan. Salah satu alternatif untuk mengatasi model regresi linier yang terkena gangguan autokolerasi adalah
dengan memasukkan lag dari variabel terikat menjadi salah satu varabel bebasnya Kriswanto, 2008. Lag adalah menggeser kebawah suatu variabel atau data nomor
satu menjadi nomor dua pada lag, data nomor 2 menjadi nomor 3 pada lag dan seterusnya. Kemudian dilakukan uji autokolerasi kembali.
5.4.4. Uji Autokolerasi Setelah Dilakukan Lag Variabel
