Dari Tabel 4.1 di atas dapat dijelaskan beberapa hal berikut: 1.
Variabel Economic Value Added EVA memiliki nilai minimum - 356.482.063.849 dan nilai maksimum 411.498.140.960 dengan nilai rata-
rata 13.262.207.176,587 dan standar deviasi 114.854.083.251,765 dengan jumlah pengamatan sebanyak 75 data.
2. Variabel Market Value Added MVA memiliki nilai minimum -
853.962.379.960 dan nilai maksimum 31.323.998.098.360 dengan nilai rata-rata 788.142.257.826,967 dan standar deviasi 6.825.512.170.741,781
dengan jumlah pengamatan 75 data. 3.
Variabel Earnings per share EPS memiliki nilai minimum 1,70 dan nilai maksimum 1.212,82 dengan nilai rata-rata 32,07727 dan standar deviasi
277,79729 dengan jumlah pengamatan 75 data. 4.
Variabel Dividen Payout Ratio DPR memiliki nilai minimum 0,00 dan nilai maksimum 2.973,00 dengan nilai rata-rata 39,77443 dan standar
deviasi 344,45664 dengan jumlah pengamatan 75 data. 5.
Variabel Harga Saham memiliki nilai minimum 100 dan nilai maksimum 15.300 dengan nilai rata-rata 309,569 dan standar deviasi 2.680,949
dengan jumlah pengamatan 75 data.
4.2 Uji Asumsi Klasik Sebelum Transformasi
4.2.1 Uji Normalitas Data
Uji normalitas dilakukan untuk melihat tingkat kenormalan distribusi data yang digunakan oleh peneliti. Uji dilakukan dengan
menggunakan uji statistik non parametic Kolmogrov-Smirnov K-S,
grafik histogram, dan grafik normal plot. Berikut hasil uji normalitas data peneliti dengan statistik non parametic Kolmogrov-Smirnov K-S :
Tabel 4.2 Hasil Uji Normalitas
One Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 2379,55447997
Most Extreme Differences Absolute
,207 Positive
,207 Negative
-,140 Kolmogorov-Smirnov Z
1,792 Asymp. Sig. 2-tailed
,003
Hasil dari tes Kolmogrov-Smirnov di atas menunjukkan bahwa setiap variabel yang digunakan dalam penelitian memiliki data yang
berdistribusi tidak normal. Hal ini dapat dilihat dari hasil pengujian memiliki nilai signifikansi 0,003 atau 0,05, sehingga data secara positif
dapat dikategorikan tidak normal. Data yang tidak terdistribusi secara normal juga ditunjukkan oleh
analisi grafik yaitu grafik histogram dan grafik normal plot. Berikut grafik histogram dan normal plot:
Gambar 4.1 Grafik Histogram Sebelum Transformasi
Gambar 4.2 Normal P-Plot Sebelum Transformasi
Berdasarkan kedua gambar di atas, dapat dilihat bahwa data penelitian tidak normal. Hal tersebut tergambar pada Gambar 4.1 dimana
titik-titik yang menyebar jauh dari garis diagonal. Gejala ketidaknormalan data juga ditampilkan lewat histogram pada Gambar 4.2 yaitu adanya
kecenderungan skewness atau kemencengan yang menunjukkan arah grafik cenderung ke kanan.
4.2.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat ada atau tidaknya hubungan linear antara variabel independen satu dengan lainnya. Jika
variabel memiliki hubungan linear, maka model regresi tidak dapt dilakukan. Untuk menguji adanya indikasi multikoliniearitas dapat
dilakukan dengan cara nilai tolerance dan VIF dari variabel yang digunakan. Berikut hasil uji multikolinieraritas dari variabel yang
digunakan peneliti:
Tabel 4.3 Hasil Uji Multikolinearitas Sebelum Transformasi
Model Collinearity Statistics
Tolerance VIF
1 Constant
Economic Value Added
,883 1,133
Market Value Added
,936 1,068
Earnings per share
,951 1,051
Dividend Payout Ratio
,976 1,025
a. Dependent Variable: Harga Saham
Nilai tolerance 0,10 dan VIF 10 yang menandakan tidak terjadi multikolinearitas antar variabel pada model regresi penelitian.
4.2.3 Uji Heteroskedastisitas
