b. Variabel Return On Asset ROA memiliki jumlah sampel sebanyak
30, nilai minimum 1.39, nilai maksimum sebesar 3.71, nilai rata- ratanya adalah 2.8013 dan simpangan bakunya adalah 0.57787. Pada
ini menyatakan bahwa semakin tinggi nilai ROA maka semakin baik kinerja perusahaan.
c. Variabel Earning Per Share EPS memiliki jumlah sampel sebanyak
30, nilai minimum 1.79, nilai maksimum sebesar 9.87, nilai rata- ratanya adalah 7.2111 dan simpangan bakunya adalah 2.50477. Dalam
hal ini semakin tinggi EPS yang ada maka semakin baik perusahaan tersebut dalam menghasilkan laba. Hal ini dapat dilihat dengan
meningkatnya laba perusahaan akan meningkat EPS. d.
Variabel Dividend Per Share DPS memiliki jumlah sampel sebanyak 30, nilai minimum 1.71, nilai maksimum sebesar 14.04, nilai rata-
ratanya adalah 9.1120, dan simpangan bakunya 3.08505. Dalam hal ini semakin tinggi DPS suatu perusahaan maka semakin tinggi pula
deviden yang akan diterima oleh pemegang saham. 4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji normalitas berguna untuk melihat apakah data telah berdistribusi normal atau tidak. Uji normalitas dilakuka n dalam penelitian ini model
Komogorov-Smirnov. Hal yang dilakukan untuk melihat apakah data berditribusi
normal berdasarkan uji Kolomogorov-Smirnov dapat dilihat dari : 1.
Nilai Sig atau signifikan diatas 0.05 maka data berdistribusi normal.
Universitas Sumatera Utara
2. Nilai Sig atau signifikan dibawah 0.05 maka data dapat dikatakan tidak
berdistribusi normal. Berikut ini uji normalitas dengan menggunakan model Kolmogorov-Smirnov
dapat dilihat pada tabel berikut ini :
Tabel 4.3 One Sample Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
HS N
30 Normal Parameters
a
Mean 21240
Std. Deviation 45931.2
Most Extreme Differences Absolute
.370 Positive
.370 Negative
-.322 Kolmogorov-Smirnov Z
2.221 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber : Data Olahan SPSS Berdasarkan hasil uji statistik pada One-Sample Kolmogorov-Smirnov dapat
dilihat bahwa data tidak berdistribusi dengan normal, hal ini disebabkan oleh Asymp. Sig. 2-tailed pada tabel tersebut dibawah 0.05. oleh sebab itu peneliti
akan melakukan perbaikan pada data tersebut agar memenuhi uji normalitas. Ada pun cara yang dilakukan untuk mengubah model regresi menjadi normal menurut
Erlina 2009:107 yaitu : 1.
Lakukan tarnsformasi data ke bentuk lainnya, misalnya mengubah data menjadi bentuk logaritma Log atau natural LN.
2. Lakukan trimming, yaitu membuang data outlier.
3. Lakukan winsorizing, yaitu mengubah data yang outlier kesuatu nilai tertentu.
Universitas Sumatera Utara
Oleh karena itu guna memenuhi uji normalitas maka peneliti akan mentransformasikan data penelitian ini ke dalam bentuk natural LN kemudian
data di uji ulang dengan menggunakan uji normalitas. Hasil uji normalitas pada data ini dapat ditransformasikan yang dapat dilihat pada histogram, normal
probability plot , dan One-Sample Kolmogorov-Smirnov. Dalam penelitian ini cara
yang digunakan adalah dengan melakukan transformasi data ke dalam bentuk logaritma natural Ln, dimana data yang ditransformasikan adalah harga saham
menjadi LnHS, return on asset menjadi LnROA, earning per share LnEPS, dividend per share
menjadi LnDPS kemudian data diuji kembali dengan menggunakan uji normalitas, berikut ini adalah analisis grafik menggunakan
histogram, normal Probability-Plot, dan Kolmogrov-Smirnov setelah dilakukan transformasi yaitu :
Sumber : Data Olahan SPSS
Gambar 4.1 Kurva Histogram
Universitas Sumatera Utara
Pada gambar 4.1 diatas menunjukkan histogram yang memiliki kemiringan seimbang ke kiri dan ke kanan atau tidak condong ke kiri dan ke kanan,
melainkan ketengah berbentuk lonceng. Kurva yang memiliki bentuk seperti lonceng maka data berdistribusi secara normal. Selain melaui kurva peneliti juga
menggunakan metode lain yaitu melalui garfik dengan melihat normal- Probability-Plot
. Jika data berdistribusi secara normal akan mengikuti garis diagonal. Uji normalitas berikut ini untuk melihat normal probability-plot yaitu :
Sumber : Data Olahan SPSS
Gambar 4.2 Normal P-P
Plot of Regression Standardized Residual
Pada kurva P-Plot menunjukkan penyebaran titik-titik data disekitar garis diagonal dan mengikuti arah garis diagonal. Pada kurva P-Plot maka regresi
memenuhi unsur normalitas atau dengan kata lain model regresi layak dipakai untuk prediksi nilai perusahaan berdasarkan masukan dari variabel indenden.
Universitas Sumatera Utara
Selain kurva P-Plot untuk melihat normalitas data, selain P-Plot dan histogram peneliti juga menggunakan kolmogrov-smirnov. Berikut ini adalah analisis
menggunakan kolmogrov-smirnov.
Tabel 4.4 One Sample Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 1.40049695
Most Extreme Differences Absolute
.223 Positive
.223 Negative
-.122 Kolmogorov-Smirnov Z
1.224 Asymp. Sig. 2-tailed
.100 a. Test distribution is Normal.
Sumber : Data Olahan SPSS Berdasarkan hasil uji normalitas diatas dapat dikatakan bahwa data telah
terditribusi secara normal. Hal ini dapat diketahui dengan melihat Asymp. Sig 2- tailed diatas 0.05, yaitu sebesar 0.100.
4.2.2.2 Uji Multikoloniaritas