3. Jadi dapat disimpulkan bahwa secara keseluruhan distribusi
residual sudah normal.
4.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antar variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat VIF antar variabel independen. Jika VIF menunjukkan angka 10 menandakan terdapat
gejala multikolinearitas. Berikut adalah hasil uji multikolinearitas variabel yang digunakan dalam penelitian.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
2.148 .691
3.110 .005 LGCR
1.196 1.257
.367 .952 .350
.131 7.631
LGWCT .850
.308 .428
2.755 .011 .808
1.238 LGCATA
.316 1.809
.050 .175 .863
.242 4.125
LGCLTA -1.526
1.427 -.309
-1.069 .295 .233
4.284 a. Dependent Variable: LGHarga_saham
Universitas Sumatera Utara
Berdasarkan hasil pengujian diatas, dapat dilihat bahwa tidak terjadi gejala multikolinearitas antar variabel penelitian. Hal ini
ditunjukkan dalam angka VIF Variance Inflation Factor dari CR, WCT, CATA, dan CLTA yang 10.
4.1.3 Uji Heterokedastisitas
Tujuan dilakukannya uji heterokedastisitasnya adalah untuk menguji apakah dalam suatu model regresi terdapat ketidaksamaan
pengganggu antara satu pengamatan ke pengamatan yang lain. Berikut disajikan hasil dari uji heterokedastisitas yang ditunjukkan dalam
grafik scatterplot.
Universitas Sumatera Utara
Gambar 4.6 Hasil Uji Heterokedastisitas Berdasarkan grafik scatterplot tersebut dapat kita lihat bahwa titik-
titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur. Hal ini mengidentifikasikan tidak terjadinya
heterokedastisitas pada model regresi sehingga model regresi layak pakai.
Universitas Sumatera Utara
4.1.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian data observasi yang diurutkan
menurut waktu time series. Pengujian autokorelasi dilakukan dengan menggunakan pengujian uji Durbin-Watson. Kriteria untuk penilaian
terjadinya autokorelasi adalah: 1
Angka D-W dibawah -2 berarti ada autokorelasi positif 2
Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3
Angka D-W diatas +2 berarti ada autokorelasi negatif. Tabel 4.4
Hasil Uji Autokorelasi
Model Summary
b
Mod el
R R
Squar e
Adjuste d R
Square Std.
Error of the
Estimat e
Change Statistics
Durbin-Watson R
Square Change
F Chang
e df1
df2 Sig. F
Change 1
.716
a
.513 .435 .61580
.513 6.591 4
25 .001
1.494 a. Predictors: Constant, LGCLTA, LGCATA, LGWCT, LGCR
b. Dependent Variable: LGHarga_saham
Universitas Sumatera Utara
Berdasarkan tabel diatas dapat kita lihat bahwa angka R sebesar 0,513 yang menunjukkan bahwa korelasi atau hubungan harga saham
variabel dependen dengan CR, WCT, CATA, CLTA variabel independen kuat karena R 50 0,5. Angka koefisien determinasi
adjusted R bernilai 0,435. Angka ini mengindikasikan bahwa 43,5 variasi atau perubahan dalam harga saham dapat dijelaskan oleh CR,
WCT, CATA, CLTA sedangkan sisanya 56,5 dijelaskan oleh faktor- faktor lain yang tidak dimasukkan dalam model penelitian. Tabel
diatas menunjukkan bahwa Durbin Watson sebesar 1,494. Angka statistik ini menunjukkan bahwa nilai D-W diantara -2 sampai +2,
maka dapat disimpulkan bahwa tidak ada autokorelasi antar residual.
4.2 Pengujian Hipotesis 4.2.1 Uji Signifikansi Simultan Uji F