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