ini mencakup uji normalitas, uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi, data residual berdistribusi normal atau tidak. Uji normalitas dapat dilakukan
dengan dua cara, yaitu analisis grafik dan uji statistik Ghozali, 2006 : 110. Uji normalitas dengan analisis grafik dapat dilakukan dengan melihat grafik
histogram dan normal probability plot. Berikut ini merupakan grafik histogram dan normal probability plot dalam model penelitian ini.
Gambar 4.1 Histogram
Sumber : Data diolah peneliti, 2010
Universitas Sumatera Utara
Dari grafik histogram di atas, terlihat bahwa variabel berdistribusi normal yang ditunjukkan oleh kurva berbentuk lonceng bell shaped yang tidak
memiliki kecenderungan ke sisi kiri maupun ke sisi kanan.
Gambar 4.2 Grafik P-P Plot
Sumber : Data diolah peneliti, 2010
Dari grafik di atas, terlihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa data
berdistribusi normal dan model regresi memenuhi asumsi normalitas. Uji normalitas kemudian dilanjutkan dengan uji statistik untuk melengkapi hasil
pengujian sebelumnya. Uji statistik yang digunakan untuk menguji apakah data residual berdistribusi normal atau tidak adalah uji statistik non parametrik
Kolmogorov-Smirnov K-S. Apabila nilai signifikansi lebih besar dari 0.05
Universitas Sumatera Utara
maka data residual berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih kecil dari 0.05 maka data residual tidak berdistribusi normal.
Tabel 4.2 Uji Kolmogorov-Smirnov
Sumber : Data diolah peneliti, 2010
Dari tabel di atas, terlihat bahwa nilai signifikansi sebesar 0.544 lebih besar daripada 0.05 sehingga dapat disimpulkan bahwa data residual
berdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antar variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat nilai Tolerance dan Variance Inflation Factor VIF. Tolerance mengukur variabilitas variabel independen
yang terpilih yang tidak dijelaskan oleh variabel independen lainnya Ghozali,
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 57
Normal Parameters
a,b
Mean .0000000
Std. Deviation 234.10131362
Most Extreme Differences Absolute
.106 Positive
.106 Negative
-.052 Kolmogorov-Smirnov Z
.800 Asymp. Sig. 2-tailed
.544 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
2006 : 91. Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum digunakan untuk menunjukkan
adanya multikolinearitas adalah nilai Tolerance 0.10 atau sama dengan nilai VIF 10. Berikut ini merupakan hasil uji multikolinearitas variabel
independen dalam penelitian ini.
Tabel 4.3 Uji Multikolinearitas
Sumber : Data diolah peneliti, 2010
Tabel di atas menunjukkan bahwa nilai Tolerance untuk setiap variabel independen lebih besar dari 0.10 dan nilai VIF dari setiap variabel independen
lebih kecil dari 10. Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antar variabel independen dalam model regresi.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
365.440 145.903
2.505 .016
CR -18.666
12.902 -.237
-1.447 .154
.537 1.863
DER -56.508
71.602 -.183
-.789 .434
.269 3.712
LTDtER -92.994
120.424 -.103
-.772 .444
.804 1.243
TATO 464.724
479.578 .157
.969 .337
.551 1.814
ROI 4473.798
4097.859 .366
1.092 .280
.128 7.814
ROE -452.939
2036.763 -.079
-.222 .825
.115 8.675
PER .108
.976 .016
.111 .912
.700 1.428
a. Dependent Variable: H.Saham
Universitas Sumatera Utara
3. Uji Heterokedastisitas