Grafik Normality Probability Plot
Grafik di atas dapat dilihat bahwa data penelitian memiliki penyebaran dan distribusi yang normal karena data memusat pada nilai
rata-rata dan median atau nilai plot PP terletak digaris diagonal, maka dapat dikatakan bahwa distribusi data return saham adalah normal.
2. Uji Multikolonieritas
Penelitian dilakukan pengujian terhadap data bahwa data harus terbebas dari gejala multikolonearitas, gejala ini ditunjukan dengan
korelasi antar variabel independen. Pengujian dalam uji multikolinearitas dengan melihat nilai VIF Variance Inflation Factor harus berada di
bawah 10, hal ini akan dijelaskan sebagai berikut:
Tabel 4.2 Uji Multikolonieritas
Model
Collinearity Statistics Tolerance
VIF
1
Constant ECONOMIC VALUE ADDED
.827 1.209
MARKET VALUE ADDED
.815 1.226
EARNING PER SHARE
.644 1.552
RETURN ON EQUITY
.665 1.505
ARUS KAS OPERASI
.933 1.072
a. Dependent Variable: RETURN SAHAM
Sumber: Data Diolah
45
Tabel di atas menjelaskan bahwa data yang ada tidak terjadi gejala multikolinearitas antara masing-masing variabel independen yaitu dengan
melihat nilai VIF. Nilai VIF yang diperbolehkan hanya mencapai 10 maka data di atas dapat dipastikan tidak terjadi gejala multikolinearitas. Karena
data di atas menunjukan bahwa nilai VIF lebih besar dari 10, keadaan seperti itu membuktikan tidak terjadinya multikolinearitas.
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas varian variabel dependen dalam model tidak equal
terhadap variabel independen. Konsekuensi adanya heteroskedastisitas dalam model regresi adalah estimator yang diperoleh
tidak efisien, baik pada sampel kecil maupun besar. Diagnosis adanya heteroskedastisitas dalam uji regresi dapat diidentifikasi dari pola scatter
plot diagram.
46
Gambar 4.2 Uji Heteroskedastisitas
Pada gambar 4.2 terlihat bahwa titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan
demikian pada persamaan regresi linier berganda dalam model ini tidak ada gejala atau tidak terjadi heteroskedastisitas.
4. Uji Autokorelasi
Autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Untuk mendeteksi
autokorelasi dalam penelitian ini maka digunakan uji Durbin Watson DW. Berdasarkan analisis data pada tabel 4. di bawah, dapat dilihat
bahwa hasil uji autokorelasi pada nilai Durbin-Watson test menunjukkan angka yang berada diantara -2 sampai +2. Sehingga dapat disimpulkan
bahwa data dalam penelitian ini bebas dari autokorelasi.
Tabel 4.3 Uji Autokorelasi
Durbin-Watson 1.694
a
. Predictors: Constant, EVA, MVA,EPS, ROE dan ARUS KAS OPERASI
b. Dependent Variable: RETURN SAHAM
Sumber: Data sekunder diolah
47
D. Hasil Pengujian Hipotesis 1.
