Sumber : Output SPSS, diolah Penulis, 2010
Gambar 4.2 Grafik Normal P-Plot
Berdasarkan grafik normal p-plot di atas terlihat bahwa data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi telah
memenuhi asumsi nomalitas. Hal ini sesuai dengan pernyataan Ghozali 2005:112, dimana pendeteksian normalitas dapat dilakukan dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
menunjukkan data yang telah terdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada
tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan VIF.
Universitas Sumatera Utara
Menurut Ghozali 2005 adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor VIF. Batas tolerance value
adalah 0,1 dan batas VIF adalah 10 . Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak
terjadi multikolinearitas.
Tabel 4.5 Tabel Uji Multikolinearitas
Sumber : Output SPSS, diolah Penulis, 2010 Dari data pada tabel 4.5 dapat dilihat bahwa nilai tolerance dari setiap variabel
independen adalah lebih besar dari 0,10 dan nile VIF dari setiap variabel independen adalah lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa
dalam model regresi tidak terjadi multikolinearitas antar variabel independen.
Coefficie nts
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN_Net Profit Margin
.725 1.379
LN_Return On Equity
.314 3.183
LN_Debt to Equity Ratio
.840 1.190
LN_Earning Per Share
.391 2.559
a. Dependent Variable: LN_Perubahan Harga Saham
Universitas Sumatera Utara
3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain dalam model regresi.
Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homokedastisitas apabila titik-titik yang ada membentuk pola tertentu yang
teratur. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Sumber : Output SPSS, diolah Penulis, 2010
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
Universitas Sumatera Utara
Dari 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 heteroskedasitas pada model regresi sehingga model regresi layak dipakai.
4. Uji Autokolerasi
