Uji Asumsi Klasik Sebelum Perbaikan Data

0,084, dengan demikian dapat disimpulkan bahwa data variabel penelitian memiliki distribusi yang normal

4.4. Uji Asumsi Klasik Sebelum Perbaikan Data

Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik. Hasil dari asumsi klasik itu adalah sebagai berikut: 1. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adnya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2002 : 57 Tabel 4.7. Hasil Uji Multikolinieritas Collinearity Statistics Model Tolerance VIF Return On Assets X 1 0,961 1,04 Debt to Equity Ratio X s 0,960 1,04 Resiko Sistematik X 3 0,999 1,00 Sumber : Lampiran 6A Berdasarkan tabel 4.7. menunjukkan nilai VIF kurang dari 10, sehingga tidak terjadi multikolinieritas yang tinggi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat dipenuhi. 2. Uji Heteroskedasitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas Ghozali, 2002: 69. Model regresi yang baik tidak mengandung heteroskedastisitas. Pengujian Heteroskedastisitas dilakukan dengan menggunakan metode Rank Spearman. Tabel 4.8. Hasil Uji Heteroskedastisitas Sumber: Lampiran 6B Variabel Nilai Signifikansi Korelasi Rank Spearman Return On Assets X1 0,065 Debt to Equity Ratio X2 0,441 Resiko Sistematik X3 0,229 Berdasarkan tabel 4.8. diketahui bahwa hasil uji heteroskedastisitas pada nilai residual variabel bebas penelitian menunjukkan nilai signifikansi 0,05. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi. 3. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin- Watson Dw-Test. Suatu data observasi dikatakan tidak terjadi autokorelasi jika nilai Durbin Watson terletak antara batas atas atau upper bound du dan 4-du Ghozali, 2002: 61. Tabel 4.9. adalah nilai Durbin-Watson yang dihasilkan dari model regresi. Tabel 4.9. Hasil Uji Autokorelasi Model Summary b .437 a .191 .104 1138.87442 .614 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, Resiko Sistemik X3, ROA X1, DER X2 a. Dependent Variable: Harga Saham Y b. Sumber : Lampiran 6A Berdasarkan tabel 4.9. nilai DW sebesar 0,164 terletak antara 0 dan dl = 1,244, sehingga dapat disimpulakan bahwa pada model regresi terjadi autokorelasi positif. Cara memperbaiki autokorelasi yaitu dengan mendeteksi autokorelasi Singgih, 2001:219. Deteksi autokorelasi dapat dilakukan dengan cara yaitu : 1. Angka D-W dibawah -2 ada autokorelasi positif 2. Angka D-W diatas +2 ada autokorelasi negatif 3. Angka D-W berada -2 sampai +2 tidak ada autokorelasi. Jika menggunakan cara Singgih 2001:219, maka nilai D-W terletak diantara -2 sampai +2 yaitu sebesar 0,614, berarti tidak terjadi autokorelasi, dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi dapat dipenuhi. 4.5. Analisis dan Uji Hipotesis Sebelum Perbaikan Data 4.5.1. Persamaan Regresi