Di mana: Y
= Harga saham a
= Konstanta b
1
, b
2
, b
3
, b
4
= Koefisien Variabel X
1
= Economic Value Added X
2
= Return on Assets X
3
= Net Profit Margin X
4
= Earning Per Share
e = Error variabel pengganggu
4.7.2. Pengujian Asumsi Klasik
Pengujian model regresi berganda dalam menguji hipotesis harus menghindari kemungkinan adanya penyimpangan asumsi klasik. Sebuah model regresi yang
menggunakan data time series dan cross section harus melakukan uji asumsi klasik yaitu uji normalitas, heteroskedastisitas, autokorelasi dan multikolinieritas.
4.7.2.1. Uji normalitas
Menurut Umar 2003 uji normalitas berguna untuk mengetahui apakah variabel dependen dan variabel independen yang digunakan dalam penelitian
mempunyai distribusi normal atau tidak. Model regresi yang baik dan layak digunakan dalam penelitian adalah model yang memiliki distribusi normal atau
mendekati normal. Cara yang digunakan untuk mendeteksi normal atau tidaknya suatu data yaitu dengan melihat grafik normal Probability plot dan uji statistik
Ghozali, 2005. Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal pada grafik normal P-P Plot maka data diasumsikan berdistribusi
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
normal, demikian sebaliknya. Sedangkan untuk analisis statistik dilakukan dengan menggunakan uji Kolmogorov-Smirnov K-S. Apabila nilai signifikan dari variabel
penelitian lebih 0,05 berarti distribusi data tidak normal, sebaliknya apabila nilai signifikan dari masing-masing variabel 0,05 berarti distribusi data normal.
Apabila data tidak berdistribusi normal, maka data tersebut ditransformasi ke dalam bentuk logaritma. Setelah dilakukan transformasi data maka normalitas data
dilihat kembali dengan menggunakan metode grafik normalitas P-P Plot dan uji Kolmogorov-Smirnov. Menurut Erlina 2008 jika model regresi tidak berdistribusi
normal ada beberapa cara mengubah model regresi menjadi normal yaitu: a.
Melakukan transformasi data ke bentuk lainnya, b.
Melakukan trimming yaitu membuang data outlier, c.
Melakukan winsorizing yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Apabila dalam penelitian ini model regresi tidak berdistribusi normal maka peneliti akan mengubah model regresi tersebut menjadi normal dengan melakukan
transformasi data ke bentuk Logaritma natural Ln. Setelah melakukan transformasi data ke bentuk logaritma natural maka normalitas data dilihat kembali dengan
menggunakan metode grafik normalitas P-P Plot dan uji Kolmogorov-Smirnov. 4.7.2.2. Uji heteroskedastisitas
Uji heteroskedatisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lainnya. Model regresi yang baik adalah yang homokedastisitas. Asumsi klasik
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
statistik heteroskedastisitas dapat dideteksi dari output SPSS pada grafik Scatter-plot dengan cara melihat ada atau tidaknya pola tertentu bergelombang, melebar
kemudian menyempit antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk
pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0
pada sumbu Y maka tidak terjadi heteroskedastisitas Ghozali, 2005. 4.7.2.3. Uji autokorelasi
Uji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan
pengganggu periode sebelumnya Ghozali, 2005. Autokorelasi merupakan korelasi antar data dalam runtun waktu times series atau space data cross section. Model
regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson DW. Menurut Setiaji 2004
pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1.
Jika nilai D-W berada di bawah 0 sampai 1,5 berarti ada autokorelasi positif. 2.
Jika nilai D-W berada di atas 1,5 sampai 2,5 berarti tidak terjadi autokorelasi. 3.
Jika nilai D-W berada di atas 2,5 berarti ada autokorelasi negatif.
4.7.2.4. Uji multikolinieritas