Dari gambar 4.1 hasil uji normalitas menunjukkan bahwa smua variabel yang digunakan dalam penelitian terdistribusi normal. Hal ini dapat dilihat dari
bentuk grafik histogram yang menunjukkan pola distribusi normal.
Gambar 4.2. Hasil Uji Normalitas
Apabila dilihat dari tampilan grafik normal plot pada gambar 4.2, dapat disimpulkan bahwa data berdistribusi normal karena titik-titik menyebar
mendekati dan mengikuti garis diagonal.
4.1.2.2. Uji Heteroskedastisitas
Terjadinya heteroskedastisitas mempunyai arti bahwa terdapat varian yang tidak sama dalam kesalahan penganggu. Uji heterokedastisitas bertujuan untuk
mengetahui apakah dalam model regresi terdapat kesamaan atau perbedaan varians dari satu pengamatan ke pengamatan lain. Untuk menguji
heteroskedastisitas digunakan uji Park. Apabila regresi log kuadrat residual tidak
signifikan atau menghasilkan nilai sig 0,05 maka tidak terdapat heterokedastisitas, namun jika sebaliknya nilai sig 0,05 maka terdapat
heterokedastisitas.
Tabel 4.14. Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -9.020
3.633 -2.483
.015 Keterlibatan masyarakat
.103 .092
.160 1.116
.268 SDM
-.015 .037
-.050 -.399
.691 Lingkungan
-.010 .065
-.022 -.149
.882 Produk
.179 .112
.205 1.603
.113 Size
.093 .324
.037 .288
.774 Lev
-1.432 .992
-.164 -1.444
.153 a. Depndeent Variable: LnU
2
i
Hasil uji Park menunjukkan tidak terjadi heteroskedastisitas dalam persamaan regresi karena variabel independen tidak signifikan secara statistik
mempengaruhi variabel nilai LnU
2
i. Hal ini dapat terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Cara lain untuk mendeteksi
terjadinya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat dengan residualnya. Jika tidak ada pola yang jelas, serta titk-titik
menyebar di atas dan dibawah angka 0 pada sumbu Y maka tidak terjadi
heteroskedastisitas. Jika ada pola tertentu yang teratur maka mengindikasikan adanya heteroskedastisitas dalam persamaan regresi.
Gambar 4.3. Hasil Uji heteroskedartisitas
Dilihat dari grafik polt di atas, titik-titik menyebar di atas dan bawah angka 0 pada sumbu Y, maka dapat ditarik kesimpulan bahwa tidak terjadi
heteroskedastisitas dalam persamaan regresi.
4.1.2.3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi diantara variabel bebas independen Ghozali, 2006.
Pengujian multikolinieritas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor
VIF. Nilai toleran yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan VIF 10. Jadi, koefisien antar variabel independen bebas dari
multikolinieritas apabila nilai VIF 10 atau nilai tolerance 0,10. Hasil pengujian multikolinieritas selengkapnya dapat dilihat pada Tabel 4.15. berikut:
Tabel 4.15. Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts t
Sig. Collinearity
Statistics B
Std. Error Beta
Toleran ce
VIF 1
Constant .696
.260 2.674
.009 Keterlibatan
masyarakat .020
.007 .385
3.134 .002
.699 1.431
SDM -.005
.003 -.202 -1.712
.091 .757
1.321 Lingkungan
-.002 .005
-.060 -.467
.642 .634
1.578 Produk
-.004 .008
-.062 -.500
.619 .688
1.453 Size
-.050 .022
-.257 -2.238 .028
.801 1.248
Lev -.110
.072 -.165 -1.544
.127 .918
1.090 a. Dependent Variable: Harga
Saham Dilihat dari tabel 4.15. dapat diketahui hasil besaran korelasi antar variabel
independen tampak bahwa tidak terjadi multikolinearitas. Hal ini disebabkan dengan tidak adanya kolerasi antar variabel, yaitu korelasi masih dibawah angka
95. Hasil VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10.
4.1.3. Analisis Regresi Berganda