Berdasarkan grafik normal p-plot di atas terlihat bahwa data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi
nomalitas. Hal ini sesuai dengan pernyataan Priyatno 2008: 28, dimana uji normalitas data dilakukan dengan melihat peyebaran data titik pada sumbu diagonal dan mengikuti
arah garis diagonal dari grafik, yaitu jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas, hal ini
menunjukkan data yang telah terdistribusi normal.
4.2.2.2. Uji Heterokedastisitas
Uji heterokedastisitas merupakan sebuah pengujian yang bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan varians dari residual
suatu pengamatan ke pengamatan yang lain. Jika terdapat ketidaksamaan varians maka terjadi heteroskedatisitas pada data yang diuji. Model regresi yang baik menuntut tidak
terjadinya heteroskedastisitas. Teknik yang digunakan dalam pengujian heteroskedastisitas adalah melihat ada
atau tidaknya pola tertentu pada grafik pengujian heteroskedastisitas, dimana sumbu X adalah Y yang telah di prediksi dan sumbu Y adalah residual Y prediksi – Y
sesungguhnya yang telah distudentized. Dasar pengambian keputusannya adalah jika ada pola tertentu, seperti titik-titik point-point yang membentuk suatu pola tertentu
yang teratur, maka telah terjadi heteroskedastisitas, tetapi jika tidak ada pola yang jelas, dimana titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas.
Universitas Sumatera Utara
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Scatterplot
Sumber : Data diolah dengan IBM SPSS Statistics Version 20 Dari grafik scatterplot tersebut dapat kita lihat bahwa titik-titik menyebar secara
acak serta tidak membentuk pola tertentu atau tidak teratur bergelombang, melebar kemudian menyempit, melainkan menunjukkan titik-titik yang tersebar di atas dan
Universitas Sumatera Utara
dibawah angka 0 sumbu Y. Hal ini mengidentifikasikan tidak terjadinya heteroskedasitas pada model regresi sehingga model regresi ini dianggap layak
digunakan.
4.2.2.3. Uji Multikolinearitas
Uji asumsi multikolinearritas, sering juga disebut uji independensi, bertujuan untuk menguji apakah variabel-variabel independen yang diteliti mempunyai korelasi
signifikan satu dengan yang lain. Jika terdapat korelasi, artinya terdapat masalah multikolinearitas antar variabel independen.
Suatu model regresi yang baik seharusnya tidak memiliki korelasi di antara berbagai variabel independennya dengan tujuan untuk menghindari kebiasan dalam
proses pengambilan keputusan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Jika terjadi multikolinearitas, maka
salah satu variabel independen harus dikeluarkan dari model regresi atau mentransformasi model dalam bentuk non linier seperti LOG atau LN.
Deteksi adanya multikolinearitas adalah dengan menguji nilai VIF dan tolerance masing-masing variabel bebas. Pedoman untuk model regresi berganda yag bebas
multikolineritas adalah mempunyai VIF kurang dari 10 dan mempunyai angka tolerance lebih besar dari 0,10. Apabila tolerance value 0,1 atau VIF 10 = terjadi
multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas.
Universitas Sumatera Utara
Tabel 4.5 Uji Multikolinearitas
Variance Inflation Factor VIF Coefficients
a
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
991,354 1836,732
,540 ,591
ROA 550,294
175,815 ,792 3,130
,003 ,152 6,582
ROE -69,784
132,040 -,161
-,529 ,599
,105 9,524 NPM
-30,675 95,978
-,040 -,320
,750 ,607 1,647
DER 5,934
3,717 ,270 1,596
,115 ,341 2,931
EPS ,440
1,754 ,052
,251 ,802
,227 4,411 a. Dependent Variable: Harga Saham Rupiah
Sumber : Data diolah dengan IBM SPSS Statistics Version 20 Berdasarkan hasil pengujian uji multikolinearitas pada tabel 4.5 di atas diperoleh
besaran Variance Inflation Faktor VIF menurut hasil output IBM SPSS Statistics 20 untuk Return on Asset sebesar 6,582, Return on Equity sebesar 9,524, Net Profit Margin
sebesar 1,647, Debt to Equity Ratio sebesar 2,931, dan Earning per Share sebesar 4,411. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi masalah multikolinearitas
Universitas Sumatera Utara
karena kelimanya memenuhi pedoman model regresi yang bebas multikolinearitas yaitu mempunyai di bawah 10.
Besarnya tolerance menurut hasil output IBM SPSS Statistics 20 untuk Return on Asset sebesar 0,152, Return on Equity sebesar 0,105, Net Profit Margin sebesar 0,607,
Debt to Equity Ratio sebesar 0,341, dan Earning per Share sebesar 0,227. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi masalah miltikolinearitas karena
kelimanya memenuhi pedoman model regresi yang bebas multikolinearitas yaitu mempunyai tolerance di atas 0,10.
4.2.2.4. Uji Autokorelasi