52 Selanjutnya variabel Harga Saham memiliki nilai terendah sebesar Rp. 50
dan nilai tertinggi sebesar Rp. 13.200 dengan nilai rata-rata sebesar Rp. 2.225 dengan nilai standar deviasi sebesar 2.795.
4.2.2 Uji Asumsi Klasik
Uji Asumsi Klasik digunakan sebagai salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS.
Tujuan penggunakan asumsi klasik adalah, agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik dalam penelitian ini dilakukan meliputi Uji
Normalitas, Uji Heteroskedastisitas, Uji Multikolonearitas, dan Uji Autokorelasi. Pada pengujian awal normalitas data, baik dengan pendekatan grafik maupun
pendekatan statistik Kolomogorv-Smirnov terlihat bahwa data tidak terdistribusi secara normal seperti ditunjukkan sebagai berikut:
Sumber: Hasil Penelitian, 2016 Data Diolah
Gambar 4.1 Pengijian Awal Normalitas Histogram
Universitas Sumatera Utara
53 Pada Gambar 4.1 uji normalitas dengan pendekatan histogram terlihat
bahwa histogram menunjukkan penyebaran data yang tidak terdistribusi secara normal hal ini terlihat dari bentuk histogram yang kurang proporsional sehingga
dapat disimpulkan data tidak terdistribusi secara normal. Selanjutnya uji normalitas dengan pendekatan grafik Normal Probability
Plot dapat dilihat pada Gambar 4.2 berikut:
Sumber: Pengolahan SPSS 2016
Gambar 4.2 Pengujian Awal Normal Probability Plot
Pendekatan dengan menggunakan grafik Normal Probability Plot menunjukkan bahwa data tidak terdistribusi secara normal, hal ini terlihat dari
titik-titik penyebaran data tidak mendekati atau jauh dari sumbu diagonal grafik sehingga dapat disimpulkan bahwa data tidak terdistribusi secara normal.
Selanjutnya uji normalitas dengan menggunakan Kolmogorov-Smirnov dapat dilihat pada Tabel 4.2 berikut:
Universitas Sumatera Utara
54
Tabel 4.2 Pengujian Awal Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 155
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.35700415E3
Most Extreme Differences Absolute
.165 Positive
.165 Negative
-.125 Kolmogorov-Smirnov Z
2.052 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2016 Data Diolah
Uji normalitas dengan Kolmogorov-Smirnov pada Tabel 4.2 menunjukkan bahwa nilai Asymp. Sig sebesar 0,0000,05 sehingga sesuai dengan kriteria
pengujian jika tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data tidak terdistribusi secara normal.
Dengan demikian, pada pengujian awal normalitas dengan menggunakan tiga pendekatan diatas, dapat disimpulkan bahwa model regresi yang digunakan
tidak memenuhi asumsi normalitas. Untuk mengatasi data yang tidak terdistribusi secara normal, maka dilakukan transformasi data kebentuk Logaritma Natural
Ln dan screening data outlier yaitu menghilangkan data dengan nilai ekstrim dari model. Hasil uji Asumsi Klasik setelah transformasi data adalah sebagai
berikut:
Universitas Sumatera Utara
55 1. Uji Normalitas
a. Pendekatan Histogram Uji normalitas dengan pendekatan Histogram dapat dilihat pada Gambar
4.3 berikut:
Sumber: Hasil Penelitian, 2016 Data Diolah
Gambar 4.3 Histogram
Pada Gambar 4.3 terlihat bahwa Histogram berbentuk lonceng serta tidak terlalu menceng ke kanan maupun menceng ke kiri sehingga dapat disimpulkan
bahwa data telah terdistribusi secara normal. b. Pendekatan Grafik Normal Probability Plot
Uji Normalitas dengan Grafik Normal Probability Plot dapat dilihat pada Gambar 4.4 berikut:
Universitas Sumatera Utara
56
Sumber: Hasil Penelitian, 2016 Data Diolah
Gambar 4.4 Normal Probability Plot
Uji Normalitas dengan Grafik Normal Probability Plot terlihat bahwa titik-titik penyebaran data berada disekitar sumbu diagonal dari grafik. Sehingga
dengan demikian, maka data telah terdistribusi secara normal. c. Pendekatan Statistik Kolmogorov-Smirnov
Uji Normalitas dengan Kolmogorov-Smirnov dapat dilihat pada Tabel 4.3 berikut:
Tabel 4.3 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 149
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.15084858
Most Extreme Differences Absolute
.095 Positive
.062 Negative
-.095 Kolmogorov-Smirnov Z
1.156 Asymp. Sig. 2-tailed
.138 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2016 Data Diolah
Universitas Sumatera Utara
57 Berdasarkan Tabel 4.3 terlihat bahwa nilai Asymp. Sig. 2-tailed sebesar
0,138 0,05 sehingga berdasarkan kriteria pengujian maka data dapat dinyatakan bahwa data telah berdistribusi normal.
2. Uji Heteroskedastisitas a. Scatter Plot
Untuk melihat ada tidaknya Heteroskedastisitas pada model yang digunakan, dilakukan dengan Uji Heteroskedastisitas Scatter Plot. Berikut hasil
Uji Heteroskedastisitas dengan Scatter Plot.
Sumber: Hasil Penelitian, 2016 Data Diolah
Gmbar 4.5 Scatter Plot
Berdasarkan Hasil Uji Heteroskedastisitas dengan Scatter Plot diatas, diketahui bahwa titik-titik penyebaran pada Scatter Plot tidak menunjukkan pola
tertentu atau menyebar secara acak dan penyebarannya berada di atas dan di bawah angka nol dari sumbu Y, sehingga model regresi yang digunakan tidak
mengalami Heteroskedastisitas.
Universitas Sumatera Utara
58 b. Uji Glejer
Pendekatan lainnya dalam uji heteroskedastisitas adalah pendekatan statistik glejser. Pada Tabel 4.4 berikut dapat dilihat hasi uji glejer
Tabel 4.4 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
4.616 2.134
2.163 .032
LnReturn on Assets -.965
.506 -.163 -1.906
.059 .919
1.088 LnCapital Adequacy
Ratio .050
.278 .015
.180 .858
.921 1.086
LnLoan to Deposit Ratio
-.367 .391
-.077 -.939
.349 .996
1.004 a. Dependent Variable: Abs
Hasil Penelitian, 2016 Data Diolah
Berdasarkan Tabel 4.4 uji Glejser terlihat bahwa tingkat signifikansi Return on Assets sebesar 0,059, tingkat signifikansi Capital Adequacy Ratio
sebesar 0,858, dan tingkat signifikansi Loan to Deposit Ratio sebesar 0,349. Dengan demikian, terlihat bahwa tidak satupun variabel independen secara
statistik berpengaruh signifikan terhadap variabel Absut Abs. Maka berdasarkan kriteria pengujian dapat disimpulkan bahwa data tidak mengarah adanya
heteroskedastisitas. c. Uji Multikolonearitas
Asumsi selanjutnya yang harus dipenuhi adalah asumsi non multikolonearitas. Hasil Uji Multikolonearitas dapat dilihat pada Tabel 4.4
berikut:
Universitas Sumatera Utara
59
Tabel 4.5 Uji Multikolonearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-13.084 3.708
-3.529 .001
LnReturn on Assets 7.554
.879 .593
8.589 .000
.919 1.088
LnCapital Adequacy Ratio
.244 .483
.035 .506
.613 .921
1.086 LnLoan to Deposit
Ratio .472
.678 .046
.696 .488
.996 1.004
a. Dependent Variable: LnHarga Saham
Hasil Penelitian, 2016 Data Diolah
Dari hasil Uji Multikolonearitas pada Tabel 4.5 terlihat bahwa nilai Tolerance variabel Return on Assets sebesar 0,9190,1 dengan nilai VIF sebesar
108810, nilai Tolerance Variabel Capital Adequacy Ratio sebesar 0,9210,1 dengan nilai VIF sebesar 1,08610, dan nilai Tolerance variabel Loan to Deposit
Ratio sebesar 0,9960,1 dengan nilai VIF sebesar 1,00410 Dengan demikian, nilai Tolerance setiap variabel independen 0,1 sedangkan nilai VIF dari masing-
masing variabel independen10. Maka sesuai dengan kriteria pengujian jika Tolerance 1 dan VIF 10 maka data tidak mengalami gejala multikolonearitas.
4. Uji Autokorelasi Untuk mendeteksi ada atau tidaknya autokorelasi, digunakan Uji Lagrange
Multiplier LM test. Uji Lagrange Multiplier lebih tepat digunakan untuk data yang berjumlah besar diatas 100 pengamatan dari pada menggunakan nilai Durbin
Watson DW. Hasil uji autokorelasi dapat dilihat pada Tabel 4.5 berikut:
Universitas Sumatera Utara
60
Tabel 4.6 Uji Autokorelasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.464 3.612
-.128 .898
LnReturn on Assets -.331
.898 -.033
-.369 .713
.867 1.154
LnCapital Adequacy Ratio
.390 .485
.070 .805
.422 .915
1.093 LnLoan to Deposit
Ratio .041
.662 .005
.062 .950
.982 1.018
Auto .157
.084 .161
1.864 .064
.932 1.074
a. Dependent Variable: Unstandardized Residual
Hasil Penelitian, 2016 Data Diolah
Hasil uji Autokorelasi Uji Lagrange Multiplierr LM test pada Tabel 4.6 terlihat bahwa tingkat signifikansi Autokorelasi sebesar 0,0640,05. Dengan
demikian, berdasarkan kriteria pengujian, maka dapat disimpulkan bahwa data tidak mengarah adanya autokorelasi dengan kata lain, asumsi nonautokorelasi
telah terpenuhi.
4.2.3 Analisis Regresi Linear Berganda
