menunjukkan kemakmuran pemegang saham atau pemilik perusahaan juga tinggi.
Rendahnya nilai perusahaan disebabkan karena adanya penurunan nilai harga saham. Jika harga saham ini menurun maka akan memperburuk
nilai perusahaan di mata investor sehingga akan menurunkan nilai perusahaan itu sendiri.
4.3. Uji Kualitas Data 4.3.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov dengan menggunakan program SPSS Sumarsono,
2004: 40. Tabel 4.5. adalah hasil dari pengujian normalitas setiap variabel.
Tabel 4.5. Hasil Uji Normalitas – Putaran Pertama
Kebijakan Leverage
X1 Kebijakan
Diveden X2
Price Earning Ratio X3
Nilai Perusahaan
N 36 36
36 36
Asymp. Sig. 2-tailed 0.731
0.035 0.000
0.001
Sumber : Lampiran 5
Berdasarkan tabel 4.5 di atas menunjukkan bahwa distribusi data pada variabel Kebijakan Dividen X
2
dan Price Earning Ratio X
3
dan Nilai Perusahaan Y tidak mengikuti distribusi normal, karena tingkat
signifikan yang dihasilkan ketiga variabel tersebut lebih kecil dari 0,05 sedangkan distribusi data pada variabel Kebijakan Leverage X
1
mengikuti distribusi normal, karena tingkat signifikan yang dihasilkan lebih besar dari 0,05.
Untuk mengatasi ketidaknormalan data, salah satu cara yang digunakan adalah menghilangkan nilai ekstrim dari data yang mempunyai
nilai tinggi, yaitu nilai price earning ratio pada PT. Medco Energi International Tbk dan PT. International Nickel Indonesia pada tahun 2007.
Sehingga banyaknya data yang digunakan untuk uji selanjutnya sebanyak 36 – 2 = 34 data. Tabel 4.6 adalah hasil uji normalitas setelah
menghilangkan nilai ekstrim.
Tabel 4.6. Hasil Uji Normalitas – Putaran Kedua
Kebijakan Leverage
X1 Kebijakan
Diveden X2
Price Earning Ratio X3
Nilai Perusahaan
N 34 34
34 34
Asymp. Sig. 2- tailed 0.647
0.057 0.284
0.053
Sumber : Lampiran 5
Setelah dilakukan perbaikan data dengan menghilangkan nilai ekstrim, seluruh variabel X dan variabel Y memiliki nilai signifikan lebih
besar dari 0,05, dengan demikian dapat disimpulkan bahwa data penelitian memiliki distribusi data yang normal.
4.4. Uji Asumsi Klasik
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 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 berada antara -2 hingga +2
Santoso, 2001 :219. Tabel 4.7. adalah nilai Durbin-Watson yang dihasilkan dari model regresi.
Tabel 4.7. Hasil Uji Autokorelasi
Model R R Square
Adjusted R Squarae
Std. Error of the Estimate
Durbin- Watson
1 0.576
a
0.331 0.265
3.46189 1.647
Sumber: Lampiran 6A
Berdasarkan tabel 4.7. nilai DW sebesar 1,647 terletak diantara -2 sampai +2, berarti bahwa dalam persamaan regresi tidak ada
Autokorelasi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi dapat dipenuhi.
2. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
bebas Ghozali, 2001 : 57.
Tabel 4.8. Hasil Uji Multikolinieritas
Collinearity Statistics Model
Tolerance VIF Kebijakan Leverage X
1
0,960 1,042
Kebijakan Dividen X
2
0,860 1,162
Price Earning Ratio X
3
0,887 1,128
Sumber : Lampiran 6A Berdasarkan tabel 4.8. 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.
3. Uji Heteroskedastisitas Menurut Widarjono 2005: 145 heteroskedastisitas terjadi ketika
residual mempunyai varian yang tidak konstan. Untuk mendeteksi ada atau tidaknya heteroskedastisitas, dapat menggunakan metode Rank
Spearman.
Tabel 4.9. Hasil Uji Heteroskedastisitas
Sumber: Lampiran 6B
Variabel Nilai Signifikan
Korelasi Rank Spearman
Kebijakan Leverage x
1
0,269 Kebijakan Dividen X
2
0,071 Price Earning Ratio X
3
0,068
Berdasarkan tabel 4.9. diketahui bahwa hasil uji heteroskedastisitas pada nilai residual variabel bebas penelitian
menunjukkan nilai signifikansi 0,05. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi.
4.5. Analisis dan Uji Hipotesis
