53
Dalam tabel 4.5 dapat dilihat bahwa nilai Kolgomorov-Smirnov Z adalah 0,918 dan nilai signifkansinya sebesar 0,369, sehingga dapat
disimpulkan bahwa data terdistribusi dengan normal, dimana nilai signifikansinya lebih besar dari 0,05 0,369 0,05.
4.2.2.2. Uji Multikolinearitas
Mendeteksi ada tidaknya gejala multikolonearitas adalah dengan melihat besaran korelasi antar variabel independen. Batas tolerance value
adalah 0,1 dan batas VIF adalah 10. Suatu data penelitian dikatakan terjadi multikolinearitas apabila tolerance value 0,1 dan VIF 10. Sebaliknya
data yang terbebas dari multikolinearitas adalah tolerance value 0,1 dan VIF 10. Adapun hasilnya adalah sebagai berikut :
a. Hipotesis 1 relevansi dividend yield dan earning per share terhadap penilaian harga saham 1 hari setelah publikasi laporan keuangan
Tabel 4.6 Uji Multikolinearitas Hipotesis 1
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistiks
B Std. Error
Beta Tolerance
VIF 1 Constant
2.818 .351
8.031 .000
LnX1 -.110
.067 -.084 -1.643
.104 .978
1.023 LnX2
.908 .054
.858 16.887 .000
.978 1.023
a. Dependent Variable: LnY1
Sumber : hasil output SPSS, data diolah peneliti, 2013
Berdasarkan hasil pengujian multikolinearitas pada tabel 4.6 di atas, dapat dilihat bahwa angka tolerance pada variabel LnX
1
dividend yield dan LnX
2
earning per share adalah lebih besar dari 0,10 dan nilai VIF-nya
Universitas Sumatera Utara
54
lebih kecil dari 10. Hal ini menunjukkan bahwa variabel penelitian terbebas dari multikolinearitas.
b. Hipotesis 2 relevansi dividend yield dan earning per share terhadap penilaian harga saham 3 hari setelah publikasi laporan keuangan
Tabel 4.7 Uji Multikolinearitas Hipotesis 2
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistiks
B Std. Error
Beta Tolerance
VIF 1 Constant
2.841 .352
8.077 .000
LnX1 -.113
.067 -.086
-1.688 .095
.978 1.023
LnX2 .906
.054 .857
16.798 .000
.978 1.023
a. Dependent Variable: LnY2
Sumber : hasil output SPSS, data diolah peneliti, 2013
Berdasarkan hasil pengujian multikolinearitas pada tabel 4.7 di atas, dapat dilihat bahwa angka tolerance pada variabel LnX
1
dividend yield dan LnX
2
earning per share adalah lebih besar dari 0,10 dan nilai VIF-nya lebih kecil dari 10. Hal ini menunjukkan bahwa variabel penelitian terbebas
dari multikolinearitas. c. Hipotesis 3 relevansi dividend yield dan earning per share terhadap
penilaian harga saham 15 hari setelah publikasi laporan keuangan
Tabel 4.8 Uji Multikolinearitas Hipotesis 3
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistiks B
Std. Error Beta
Tolerance VIF
1 Constant 2.867
.346 8.291
.000 LnX1
-.108 .066
-.082 -1.632
.106 .978
1.023 LnX2
.906 .053
.861 17.091
.000 .978
1.023 a. Dependent Variable: LnY3
Sumber : hasil output SPSS, data diolah peneliti, 2013
Universitas Sumatera Utara
55
Berdasarkan hasil pengujian multikolinearitas pada tabel 4.8 di atas, dapat dilihat bahwa angka tolerance pada variabel LnX
1
dividend yield dan LnX
2
earning per share adalah lebih besar dari 0,10 dan nilai VIF-nya lebih kecil dari 10. Hal ini menunjukkan bahwa variabel penelitian terbebas
dari multikolinearitas. d. Hipotesis 4 relevansi dividend yield dan earning per share terhadap
penilaian harga saham 30 hari setelah publikasi laporan keuangan
Tabel 4.9 Uji Multikolinearitas Hipotesis 4
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistiks
B Std. Error
Beta Tolerance
VIF 1 Constant
2.894 .342
8.457 .000
LnX1 -.103
.065 -.079 -1.571
.120 .978
1.023 LnX2
.905 .052
.864 17.260 .000
.978 1.023
a. Dependent Variable: LnY4
Sumber : hasil output SPSS, data diolah peneliti, 2013
Berdasarkan hasil pengujian multikolinearitas pada tabel 4.9 di atas, dapat dilihat bahwa angka tolerance pada variabel LnX
1
dividend yield dan LnX
2
earning per share adalah lebih besar dari 0,10 dan nilai VIF-nya lebih kecil dari 10. Hal ini menunjukkan bahwa variabel penelitian terbebas
dari multikolinearitas.
4.2.2.3. Uji Heterokedastisitas