Uji Asumsi Klasik Hasil Penelitian

untuk nilai harga saham sesudah stock split maximum adalah sebesar 3975 yang dimiliki oleh Indomobil Sukses Internasional Tbk. Rata-rata volume perdagangan sesudah stock split adalah sebesar 0,529500 dengan Standard Deviasi sebesar 0,9405832. Nilai minimum volume perdagangan sesudah stock split adalah sebesar 0 dimiliki oleh Pakuwon Jati Tbk dengan nilai maximum adalah sebesar 7,8814 yang dimiliki oleh Bank Rakyat Indonesia Persero Tbk. Rata-rata varian return sesudah stock split adalah sebesar 0,041267 dengan Standart Deviasi sebesar 0,0668101. Nilai minimum varian return sesudah stock split adalah sebesar 0 yang hampir di setiap sampel perusahaan memiliki nilai tersebut, sedangkan untuk nilai maximum varian return sesudah stock split adalah sebesar 0,3861 yang dimiliki oleh Astra Otopart Tbk. Rata-rata nilai bid-ask spread sesudah stock split adalah sebesar 0,04193 dengan Standard Deviasi sebesar 0,068099. Nilai minimum bid-ask spread sesudah stock split adalah sebesar 0 yang terdapat pada perusahaan Modern Internasional Tbk, Kresna Graha Sekurindo Tbk dan Pakuwon Jati Tbk. Dimana nilai maximum bid-ask spread sesudah stock split adalah sebesar 0,910 yang dimiliki oleh Charoen Pokhphan Indonesia Tbk dan Intiland Development Tbk.

4.3.2. Uji Asumsi Klasik

Pengujian ini dilakukan untuk mendukung keabsahan hasil analisis dengan model regresi. Pengujian ini dilakukan dengan asumsi uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi. Universitas Sumatera Utara 4.3.2.1.Uji Normalitas Pengujian ini dilakukan untuk mengetahui apakah distribusi sebuah data telah mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tidak melenceng kekiiri atau kekanan. Cara yang digunakan untuk mendeteksi apakah data berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. 4.3.2.1.1. Uji Normalitas Sebelum Stock Split 1. Analisis Grafik Sebelum Stock split Berdasarkan hasil uji grafik diperoleh gambar sebagai berikut: Gambar 4.1 Hasil Uji Normalitas Sebelum Stock Split Grafik Histogram Sumber: Hasil Output Regresi Gambar 4.1 menunjukkan data yang menyebar dibawah garis diagonal dan tidak mengikuti arah garis diagonal, serta grafik histogram belum menunjukkan pola distribusi normal. Dalam hal ini berarti model regresi belum layak digunakan karena belum memenuhi asumsi normalitas. Sehingga perlu dilakukan Universitas Sumatera Utara transformasi data dengan Logaritma Natural Ln, sehingga menghasilkan gambar sebagai berikut: Gambar 4.2 Hasil Uji Normalitas Sebelum Stock Split Setelah Transformasi Data Grafik Histogram Sumber: Hasil Penelitian, 2013 Data diolah Gambar 4.2 menunjukkan data yang menyebar di sekitar garis diagonal dan mengikuti arah pola garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal. Sehingga hal ini dikatakan model regresi dan layak dipakai karena memenuhi asumsi normalitas. 2. Analisis Statistik Sebelum Stock Split. Pengujian ini dilakukan dengan uji non-parametic kolmogrov-smirnov. Hasil uji normalitas dapat dilihat pada tabel 4.3 berikut ini: Universitas Sumatera Utara Tabel 4.3 Hasil Uji Normalitas Sebelum Stock SplitUji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 184 Normal Parameters a,b Mean .0000000 Std. Deviation .02187218 Most Extreme Differences Absolute .130 Positive .130 Negative -.105 Kolmogorov-Smirnov Z 1.767 Asymp. Sig. 2-tailed .004 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2013 Data Diolah Tabel 4.3 menunjukkan Asymp. Sig 2-tailed atau angka signifikan, lebih kecil dari 0,05. Hal ini berarti data tersebut mempunyai distribusi tidak normal. Sehingga perlu dilakukan transformasi data dengan cara Logaritma Natural Ln, maka datanya sebagai berikut: Tabel 4.4 Hasil Uji Normalitas Sebelum Stock Split Setelah Transformasi Data Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 69 Normal Parameters a,b Mean .0000000 Std. Deviation .45791161 Most Extreme Differences Absolute .070 Positive .070 Negative -.053 Kolmogorov-Smirnov Z .585 Asymp. Sig. 2-tailed .883 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2013 Data diolah Tabel 4.4 menunjukkan Asymp. Sig 2-tailed atau angka signifikan adalah 0,883 lebih besar dari 0,05. Hal ini berarti data tersebut mempunyai distribusi normal. Universitas Sumatera Utara

4.3.2.1.2. Uji Normalitas Sesudah Stock Split

Pengujian ini dilakukan untuk mengetahui apakah distribusi sebuah data telah mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tidak melenceng kekiiri atau kekanan. Cara yang digunakan untuk mendeteksi apakah data berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. 1. Analisis Grafik Sesudah Stock Split Berdasarkan hasil uji grafik diperoleh gambar sebagai berikut: Gambar 4.3 Hasil Uji Normalitas Sesudah Stock Split Grafik Histogram Sumber: Hasil Output Regresi Tampilan gambar 4.3 menunjukkan data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal, serta grafik histogram tidak menunjukkan pola distribusi normal. Hal ini berarti model regresi tidak layak dipakai karena tidak memenuhi asumsi normalitas. Sehingga untuk memperoleh pola distribusi yang normal perlu dilakukan transformasi data dengan cara Logaritma Natural Ln, sehingga diperoleh hasil sebagai berikut: Universitas Sumatera Utara Gambar 4.4 Hasil Uji Normalitas Sesudah Stock Split Setelah Transformasi Data Grafik Histogram Sumber: Hasil Penelitian, 2013 Data diolah Berdasarkan Gambar 4.4 menunjukkan data yang menyebar di sekitar garis diagonal dan mengikuti arah pola garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal. Sehingga hal ini dikatakan model regresi dan layak dipakai karena memenuhi asumsi normalitas. 2. Analisis Statistik Sesudah Stock Split Pengujian normalitas ini dilakukan dengan uji non-parametic Kolmogrov- Smirnov. Hasil uji normalitas dapat dilihat pada Tabel 4.2 berikut ini: Tabel 4.5 Hasil Uji Normalitas Sesudah Stock Split Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 184 Normal Parameters a,b Mean .0000000 Std. Deviation .06768491 Most Extreme Differences Absolute .271 Positive .271 Negative -.265 Kolmogorov-Smirnov Z 3.676 Asymp. Sig. 2-tailed .000 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2013 Data diolah Universitas Sumatera Utara Tabel 4.5 menunjukkan Asymp. Sig 2-tailed atau angka signifikan lebih kecil dari 0,05. Hal ini berarti data tidak mempunyai distribusi normal. Sehingga perlu dilakukan transformasi data dengan cara Logaritma Natural Ln, maka diperoleh hasil sebagai berikut: Tabel 4.6 Hasil Uji Normalitas Sesudah Stock Split Setelah Transformasi Data Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 69 Normal Parameters a,b Mean .0000000 Std. Deviation .60295387 Most Extreme Differences Absolute .104 Positive .104 Negative -.078 Kolmogorov-Smirnov Z .864 Asymp. Sig. 2-tailed .444 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2013 Data diolah Tabel 4.6 menunjukkan Asymp. Sig 2-tailed atau angka signifikan adalah 0,444 lebih besar dari 0,05. Hal ini berarti data tersebut mempunyai distribusi normal. 4.3.2.2.Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linier antar variabel independen menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Cara mendeteksi apakah model regresi bebas dari permasalah multikolinearitas dapat dilihat dari besaran Variance Inflation Factor VIF. Berdasarkan hasil pengujian model regresi diperoleh hasil untuk masing-masing variabel sebagai berikut: Universitas Sumatera Utara

4.3.2.2.1. Uji Multikolinearitas Sebelum Stock Split

Tabel 4.7 Hasil Uji Multikolinearitas Sebelum Stock SplitVIF-Tolerance Variabel Tolerance VIF Harga saham sebelum .998 1.002 Volume perdagangan sebelum .977 1.023 Varian return sebelum .976 1.025 Sumber: Hasil Penelitian, 2013 Data diolah Tabel 4.7 menunjukkan bahwa Variance Inflation Factor VIF dari variabel harga saham, Volume perdagangan dan varian return saham lebih kecil dari 10, maka artinya tidak terdapat persoalan multikolinearitas di antara variabel bebas.

4.3.2.2.2. Uji Multikolinearitas Sesudah Stock Split

Tabel 4.8 Hasil Uji Multikolinearitas Sesudah Stock SplitVIF-Tolerance Variabel Tolerance VIF Harga Saham Sesudah .993 1.007 Volume Perdagangan Saham Sesudah .957 1,045 Varian Return Saham Sesudah .958 1.044 Sumber: Hasil Penelitian, 2013 Data diolah Tabel 4.8 menunjukkan bahwa Variance Inflation Factor VIF dari variabel harga saham, Volume perdagangan dan varian return saham lebih kecil dari 10, maka artinya tidak terdapat persoalan multikolinearitas di antara variabel bebas. 4.3.2.3.Uji Heteroskedatisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lainnya. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas Universitas Sumatera Utara adalah dengan melihat grafik plot antara nilai prediksi variabel terikat. Hasil grafik scatterplot sebagai berikut:

4.3.2.3.1. Uji Heteroskedatisitas Sebelum Stock Split

Gambar 4.5 Hasil Grafik Scatterplot Sebelum Stock Split Sumber: Hasil Penelitian, 2013 Data diolah Gambar 4.5 menunjukkan adanya pola tertentu seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit. Hal ini mengindikasikan telah terjadi heteroskedastisitas. Data yang tidak terdistribusi secara normal dapat ditransformasi ke dalam logaritma natural, maka dapat dilihat apakah data tersebut sudah terdistribusi secara normal atau tidak. Berikut ini adalah hasil uji setelah ditransformasikan. Gambar 4.6 Hasil Grafik Scatterplot Sebelum Stock Split Setelah Transformasi Data Sumber: Hasil Penelitian, 2013 Data diolah Gambar 4.6 menunjukkan tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas. Universitas Sumatera Utara

4.3.2.3.2. Uji Heteroskedatisitas Sesudah Stock Split

Gambar 4.7 Hasil Grafik Scatterplot Sesudah Stock Split Sumber: Hasil Penelitian, 2013 Data diolah Gambar 4.7 menunjukkan adanya pola tertentu seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit. Hal ini mengindikasikan telah terjadi heteroskedastisitas. Data yang tidak terdistribusi secara normal dapat ditransformasi ke dalam logaritma natural, maka dapat dilihat apakah data tersebut sudah terdistribusi secara normal atau tidak. Berikut ini adalah hasil uji setelah ditransformasikan. Gambar 4.8 Hasil Grafik Scatterplot Sesudah Stock split Setelah Transformasi Data Sumber: Hasil Penelitian, 2013 Data diolah Gambar 4.8 menunjukkan tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas. 4.3.2.4.Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan Universitas Sumatera Utara pada periode t-1 sebelumnya. Cara mengetahui adanya autokorelasi dapat dilakukan dengan uji Durbin Watson. Hasil dari uji autokorelasi dapat dilihat pada tabel dibawah ini:

4.3.2.4.1. Uji Autokorelasi Sebelum Stock Split

Tabel 4.9 Hasil Uji Autokorelasi Sebelum Stock Split Durbin Watson Sumber: Hasil Penelitian, 2013 Data diolah Berdasarkan tabel 4.9 menunjukkan bahwa nilai Durbin-Watson DW adalah sebesar 1,838. Nilai ini berarti berada diantara 1,5 sampai 2,5 yang berarti dalam penelitian ini tidak ada terdapat autokorelasi.

4.3.2.4.2. Uji Autokorelasi Sesudah Stock Split

Tabel 4.10 Hasil Uji Autokorelasi Sesudah Stock Split Durbin Watson Sumber: Hasil Penelitian, 2013 Data diolah Berdasarkan tabel 4.10 menunjukkan bahwa nilai Durbin-Watson DW adalah sebesar 1.917. Nilai ini berarti berada diantara 1,5 sampai 2,5 yang berarti dalam penelitian ini tidak ada terdapat autokorelasi. Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension 1 .442 a .195 .182 .022054 1.838 a. Predictors: Constant, Varianreturnsebelum, Hargasahamsebelum, Volumeperdagangansebelum b. Dependent Variable: Bidaskspreadsebelum Model R R Square Adjusted R Square Std. Error of the Estimate Durbin – Watson 1 .110 a .012 -.004 .068247 1.917 a. Predictors: Constant, Varianreturnsesudah, Hargasahamsesudah, Volumeperdagangan b. Dependent Variable: Bidaskspreadsesudah Universitas Sumatera Utara

4.3.3. Analisis Regresi Linear Berganda