Interpretasi model : 1. Kontanta sebesar -1,212. Hal ini memunjukkan bahwa bila tidak
terdapat variabel bebas yaitu LnROE, LnBV, Ln EPS maka Ln Nilai Pasar Saham adalah sebesar -1, 212.
2. Nilai LnROE sebesar 0,094. Hal ini menunjukkan bahwa, bila nilai LnROE bertambah 1, maka Ln nilai pasar saham akan bertambah
sebesar 0,094. 4. Nilai LnBV sebesar 0,556. Hal ini menunjukkan bahwa, bila nilai LnBV
bertambah 1, maka Ln nilai pasar saham akan bertambah sebesar 0,556. 5. Nilai LnEPS sebesar 0,141. Hal ini menunjukkan bahwa, bila nilai
LnEPS bertambah 1, maka Ln nilai pasar saham akan bertambah sebesar 0,141.
D. Pengujian Asumsi klasik
Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
1. Uji Normalitas
Tujuan uji normalitas ini adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tidak menceng ke kiri atau ke kanan.
Universitas Sumatera Utara
Gambar 4.1 Histogram Variabel Dependen Sumber : Hasil Penelitian, 2010 data diolah
Pada Gambar 4.1 terlihat bahwa variabel terikat yaitu Ln Nilai Pasar Saham mempunyai distribusi normal. Hal ini ditunjukkan oleh distribusi data
tersebut tidak menceng ke kiri atau ke kanan. Cara lain untuk menguji normalitas data dengan grafik adalah dengan
melihat penyebaran data titik pada garis diagonal dari grafik normalitas Normalitas P-P Plot. Jika data menyebar di sekitar garis diagonal, maka dapat
disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat
disimpulakan bahwa data tidak berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.2 Normal P-P Plot Sumber : Hasil Penelitian, 2010 data diolah
Pada scatter plot terlihat titik – titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1-
sample KS yakni Asymp. Sig. 2-tailed taraf nyata α = 0,05 maka data
residual berdistribusi normal, sebaliknya jika nilai Asymp.sig. 2-tailed taraf nyata
α maka data residual tidak berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.14 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
45 Mean
.0000000 Normal
Paramete Std. Deviation .85857730
rs
a
Absolute .083
Positive .083
Most Extreme
Difference Negative
-.073 s
Kolmogorov-Smirnov Z .560
Asymp. Sig. 2-tailed .913
a. Test distribution is Normal.
Sumber : Hasil Penelitian, 2010 data diolah
Pada tabel 4.14 dapat dilihat bahwa nilai Asymp.sig.2-tailed adalah sebesar 0,913 lebih besar dari taraf nyata
α = 0,05. Dengan demikian dapat disimpulkan bahwa data residual berdistribusi normal.
2. Uji Multikolinieritas
