Uji Asumsi Klasik .1 Uji Normalitas
61 Dari tabel 4-1 diatas dapat dijelaskan bahwa:
1. Jumlah sampel N sebanyak 48 2. Rata-rata dari ROE di atas adalah 0,2629 dengan standar deviasi
0,7767. ROE tertinggi adalah 4,5 yaitu oleh Prasidha Aneka Niaga Tbk. ROE terkecil adalah -2,07 yaitu Davomas Abadi Tbk.
3. Rata-rata PER adalah 12.8567 x dengan standar deviasi 11.9935. PER tertinggi adalah 40,8 x yaitu Siantar Top Tbk. PER terkecil
adalah -34.66 yaitu Davomas Abadi Tbk. 4. Rata-rata PBV adalah 3.4215 dengan standar deviasi 6.05598. PBV
tertinggi adalah 35.45 yaitu Multi Bintang Indonesia Tbk. PBV terendah adalah 0.54 yaitu Siantar Top Tbk.
5. Rata-rata Total Asset adalah Rp 5.643.084.250.000. Total Asset terbesar adalah Rp 53.585.933.000.000 yaitu Indofood Sukse
Makmur Tbk. Total Asset terkecil adalah Rp 178.287.000.000 yaitu Akasha Wira Internasional Tbk.
6. Rata-rata abnormal return adalah 0.1045. Abnormal return tertinggi adalah 1.93 yaitu Mayora Indah Tbk. Abnormal Return
terendah adalah -1.143 yaitu Mayora Indah.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Ujinormalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
62 normal Erlina,2011.Datayang baikadalahdatayang mempunyaipola
sepertidistribusinormal,yaknidistribusidatatersebuttidakmelencengke kiri ataumelencengke kanan. Namun demikian, dengan hanya
melihat tabel histogram belum tentu bisa memastikan bahwa data memiliki distribusi normal. Metode yang lebih handal adalah dengan
melihat normal probability plot yang membandingkan distribusi kumulatif dari data yang sesungguhnya dengan distribusi kumulatif
dari distribusi normal.
Gambar 4.1 Histogram
Sumber: Data Diolah 2012
Dari gambar 4.1 terlihat bahwa data terdistribusi dengan normal karena data menyebar dengan tidak melenceng ke kiri atau ke
kanan.
63
Gambar 4.2 Normal P Plot
Sumber: Data Diolah 2012
Dari gambar 4.2 diatas dapat dilihat bahwa persebaran titik mengikuti data di sepanjang garis diagonal. Dalam hal ini berarti
data terdistribusi dengan normal Untuk memastikan apakah data di sepanjang garis diagonal
memang terdistribusi dengan normal maka dilakukan uji Kolmogorov-Smirnov One-Sampel K-S dengan melihat data
residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi
normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal.
64
Tabel 4.2 Uji One-Sample Kolmogorov-Smirnov Test
Hasil uji Kolmogorov-Smirnov ditunjukan pada tabel 4.2 di atas. Hasil pengujian menunjukkan bahwa nilai Asymp Sig 2 tailed
adalah 0,211, di atas nilai signifikan 0,05 atau dengan kata lain variabel residual terdistribusi dengan normal.
Terkait dengan ditemukannya masalah heterokesdastisitas maka beberapa sampel yang terkena heterokesdastisitas dihilangkan.
Sampel variabel yang terkena heteroskesdastisitas ada 5, sehingga dengan menghilangkan kelima sampel variabel tersebut maka akan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .46535735
Most Extreme Differences Absolute .153
Positive .153
Negative -.139
Kolmogorov-Smirnov Z 1.060
Asymp. Sig. 2-tailed .211
a. Test distribution is Normal. b. Calculated from data.
65 didapat jumlah sampel terbaru sebanyak 43 sampel. Hal ini
menyebabkan dilakukan kembali uji normalitas untuk kedua kalinya dengan sampel terbaru yang berjumlah 43 yang disajikan sebagai
berikut
Gambar 4.3 Histogram dengan 43 sampel
Sumber: Data diolah 2012
66
Gambar 4.4 Normal P Plot dengan 43 sampel
Sumber: Data diolah 2012
Pada gambar 4.4 terlihat jelas persebaran data lebih merapat ke garis diagonal jika dibandingkan dengan gambar 4.2. Ini menunjukan
data dengan jumlah sampel terbaru lebih baik dalam menampilkan normalitas. Maka model regresi terbaru lebih layak untuk untuk
dipakai karena menampilkan tingkat normalitas yang lebih baik.