7. Variabel harga saham memiliki nilai minimum sebesar 3.82, nilai
maksimum sebesar 11.74, nilai rata-rata sebesar 6.9818, dan standar deviasi sebesar 1.77241 dengan jumlah pengamatan sebanyak 183.
C. Pengujian Asumsi Klasik
Sebelum melakukan analisis statistik dengan model linier regresi berganda, perlu dilakukan pengujian asumsi klasik terlebih dahulu. Model regresi
dikatakan baik apabila telah memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik, baik itu multikolinieritas, heteroskesdastisitas dan
autokorelasi.
1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui varians penganggu atau stribusi secara normal serta untuk menghindari adanya bias dalam model
regresi. Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S, dengan membuat
hipotesis: H0 : Data residua l berdistribusi normal
Ha : Data residual tidak berdistribusi normal Apabila nilai signifikansi lebih besar dari 0.05 maka H0 diterima,
sedangkan jika nilai signifikansi lebih kecil dari 0.05 maka H0 ditolak.
Universitas Sumatera Utara
Tabel 4.6 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 183
Normal Parameters
a
Mean .0000000
Std. Deviation 1.53751897E4
Most Extreme Differences Absolute
.279 Positive
.279 Negative
-.182 Kolmogorov-Smirnov Z
3.773 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber : Data Diolah Penulis, 2010
Dari hasil pengolahan data tersebut, diperoleh bahwa data dalam penelitian ini tidak terdistribusi secara normal, dimana terlihat bahwa besarnya
nilai Kolmogorov-Smirnov adalah 3.773 dan nilai Asymp. Sig. 2-tailed adalah 0.000 dimana nilai ini di bawah nilai signifikan 0.05, maka Ho
ditolak yang berarti data residua l tidak berdistribusi normal. Untuk itu, perlu dilakukan tindakan perbaikan treatment agar model
regresi memenuhi asumsi normalitas. Beberapa cara untuk mengubah model regresi menjadi normal, menurut Jogiyanto 2004:172 terdapat 3 cara untuk
menormalkan distribusi data, yaitu: a. Dengan melakukan transformasi data, yaitu mengubah nilai-nilai
observasi data ke dalam bentuk logaritma sehingga membentuk distribusi yang normal.
Universitas Sumatera Utara
b. Trimming, yaitu memangkas membuang observasi yang bersifat outlier, yaitu nilainya lebih kecil dari
μ - 2σ atau lebih besar dari μ + 2
σ. c. Winzorising, yaitu mengubah nilai-nilai outliers menjadi nilai-nilai
minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
Setelah melihat tabel 4.6 dapat disimpulkan bahwa perhitungan Kolmogorov-Smirnov menunjukkan data tidak terdistribusi normal. Untuk itu,
penulis melakukan transformasi data ke model logaritma natural Ln dari Harga Saham = fCR, DER, OPM, PER, ROI, TATO menjadi Ln_ Harga
Saham = f Ln_CR, Ln_DER, Ln_OPM, Ln_PER, Ln_ROI, Ln_TATO. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil
pengujian dengan Kolmogorov-Smirnov:
Tabel 4.7 Hasil Uji Normalitas Data Setelah Transformasi Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 174
Normal Parameters
a
Mean .0000000
Std. Deviation 1.42763621
Most Extreme Differences Absolute
.069 Positive
.069 Negative
-.049 Kolmogorov-Smirnov Z
.910 Asymp. Sig. 2-tailed
.379 a. Test distribution is Normal.
Sumber : Data Diolah Penulis, 2010
Universitas Sumatera Utara
Dari tabel 4.7, dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana terlihat bahwa besarnya nilai
Kolmogorov-Smirnov adalah 0.910 dan nilai Asymp. Sig. 2-tailed adalah 0.379 dimana nilai ini di atas nilai signifikan 0.05, maka Ho diterima yang
berarti data residual berdistribusi normal. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-p plot data yang telah berdistribusi
normal.
Gambar 4.1 Grafik Histogram
Sumber : Data Diolah Penulis, 2010
Universitas Sumatera Utara
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa
distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun
menceng kanan atau normal.
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Data diolah penulis, 2010
Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga
Universitas Sumatera Utara
dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
2. Uji Multikolonieritas
