Uji Normalitas Hasil Uji Asumsi Klasik

62 Tabel 4.3 Hasil Uji Normalitas Data Sebelum Transformasi One-Sample Kolmogorov-Smirnov Test UDP; OFFER SIZE M.CAP ROA N 76 76 76 76 76 Normal Parameters a,b Mean 26.6428 20.7339 23.4264 26.8849 7.7351 Std. Deviation 22.72642 1.34208 5.11290 3.25646 10.24842 Most Extreme Differences Absolute .202 .058 .219 .117 .212 Positive .202 .045 .113 .117 .190 Negative -.130 -.058 -.219 -.059 -.212 Kolmogorov-Smirnov Z 1.763 .506 1.906 1.019 1.851 Asymp. Sig. 2-tailed .004 .960 .001 .250 .002 a. Test distribution is Normal. b. Calculated from data. Dari Tabel 4.2 menjelaskan, nilai probabilitas dengan menggunakan uji non-parametrik Kolmogorov-Smirnov untuk UDP, OFFER, SIZE, M.Cap dan ROA tidak terdistribusi normal karena p-valuenya 0,05 sehingga variabel tersebut harus ditransformasi agar data terdistribusi secara normal. Hasil uji normalitas data setelah transformasi adalah sebagai berikut : Tabel 4.4 Hasil Uji Normalitas Data Sesudah Transformasi One-Sample Kolmogorov-Smirnov Test LnUDP OFFER LnSIZE M.CAP LnROA N 76 76 76 76 76 Normal Parameters a,b Mean 2.8158 20.7339 2.7058 26.8849 1.0106 Std. Deviation 1.04713 1.34208 .73672 3.25646 1.97561 Most Extreme Differences Absolute .122 .058 .130 .117 .141 Positive .078 .045 .130 .117 .090 Negative -.122 -.058 -.121 -.059 -.141 Kolmogorov-Smirnov Z 1.066 .506 1.135 1.019 1.230 Asymp. Sig. 2-tailed .206 .960 .152 .250 .097 a. Test distribution is Normal. b. Calculated from data. Keterangan: UDP =Underpricing, Offer = Jumlah Saham yang ditawarkan, Size = Ukuran Perusahaan, M.Cap = Kapitalisasi Pasar, ROA= Rasio Profitabilitas 63 Dari Tabel 4.4, dapat dilihat bahwa nilai probabilitas dengan menggunakan uji non-parametrik Kolmogorov-Smirnov untuk menguji normalitas dari underpricing, jumlah saham yang ditawarkan, ukuran perusahaan, kapitalisasi pasar,profitabilitas perusahaan berturut-turut adalah 0.206, 0.960, 0.152, 0.250, 0.97. Sehingga dapat disimpulkan bahwa data tersebut telah memenuhi asumsi normal 0,05 atau lebih besar dari 5 .

2. Uji Heteroskedastisitas

Tujuan uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Kriteria pengujiannya Uji Glesjer adalah sebagai berikut : a. Jika probability value 0,05 maka terjadi heteroskedastisitas b. Jika probability value 0,05 maka tidak terjadi heteroskedastisitas Hasil uji heteroskedastisitas dapat dilihat sebagai berikut: Tabel 4.5 Hasil Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.797 2.046 1.856 .068 OFFER -.124 .089 -.159 -1.391 .168 LnSIZE .508 .158 .357 3.204 .052 M.CAP .006 .037 .018 .157 .876 LnROA .062 .061 .116 1.016 .313 a. Dependent Variable: LnUDP Dari Tabel 4.5, dapat dilihat nilai probability value lebih besar dari tingkat signifikansi yang telah ditentukan yaitu 0,05 atau 5, yaitu: jumlah saham yang 64 ditawarkan sebesar 0,168, ukuran perusahaan sebesar 0,052, kapitalisasi pasar sebesar 0,876, rasio profitabilitas sebesar 0,313. Sehingga dapat disimpulkan bahwa semua variabel independen dalam model regresi tidak mengalami adanya heteroskedastisitas.

3. Uji Autokorelasi

Tujuan uji autokorelasi adalah apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode-t dengan kesalahan pada periode t-1 sebelumnya. Tabel 4.6 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .418 a .175 .128 .97755 2.043 a. Predictors: Constant, LnROA, LnSIZE, OFFER, M.CAP b. Dependent Variable: LnUDP Berdasarkan Tabel 4.6, dari hasil analisis melalui uji Durbin-Watson, DW didapat nilai Durbin-Watson DW sebesar 2.043 dan bernilai positif. Dengan demikian dapat disimpulkan bahwa data pengamatan mengindikasikan tidak terjadi autokorelasi.

4. Uji Multikolinearitas

Pengujian ini bertujuan untuk menguji ada tidaknya korelasi antar variabel independen dalam model regresi. Pengujian ini dilakukan berdasarkan dengan menghitung nilai tolerance dan VIF Variance Inflation Factors, dengan kriteria: a. Jika Tolerance Value 0,01 maka terjadi multikolinearitas b. Jika Tolerance Value 0,01 atau VIF 10 maka tidak ada multikolinearitas