Pada tahun 2014 IHSG cenderung mengalami kenaikan, dengan rata-rata perubahannya sebesar 0.0168 atau 1,68. Hal ini terlihat selama periode 2014
penurunan IHSG hanya terjadi pada bulan Juni dan September, dan besarnya penurunan indeks tersebut tidak lebih dari 1. Kenaikan IHSG yang terbesar
terjadi pada bulan Februari yaitu 0,0456 atau naik sebesar 4,56 dan penurunan IHSG yang terbesar terjadi pada bulan Mei yaitu hanya sebesar -0.0093 atau
mengalami penurunan 0,93.
4.2.2 Analisis Statistik 4.2.2.1 Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dimiliki oleh analisis regresi linier berganda
.
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya berdistribusi
normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva
histogram dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk seperti lonceng atau dengan melihat titik-titik data yang menyebar disekitar garis
diagonal dan searah mengikuti garis diagonal dari gambar normal P-Plot.
Universitas Sumatera Utara
Gambar 4.1 Histogram Dependent Variabel IHSG
Sumber : Hasil Pengolahan SPSS 18 05052015 Gambar 4.1 ini menunjukkan kurva histogram yang memiliki kemiringan
seimbang ke kiri dan ke kanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu
syarat uji normalitas data bahwa data berdistribusi normal.
Gambar 4.2 Normal P-Plot of Regresion Standarized Residual
Sumber : Hasil Pengolahan SPSS 18 05052015
Universitas Sumatera Utara
Gambar 4.2 ini merupakan kurva P-Plot yang menunjukkan penyebaran titik- titik data di sekitar garis diagonal dan mengikuti arah garis diagonal. Menurut
Umar 2008:181, apabila data menyebar di sekitar garis diagonal, maka regresi memenuhi asumsi normalitas. Sehingga dapat disimpulkan bahwa data pada
variabel yang digunakan dalam penelitian ini, yaitu variabel IHSG, berdistribusi normal.
Penelitian ini juga menggunakan Uji Statistik non-parametrik One sample Kolmogorov-Smirnov
untuk mendapatkan tingkat uji normalitas yang lebih signifikan. Menurut Umar, 2008:181 bahwa, apabila pada hasil Uji Kolmogrov
Smirnov , nilai Asymp. Sig. 2-tailed lebih besar dari 0,05
α =
5
, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.6 berikut ini, diperoleh
nilai Asymp. Sig 2- tailed taraf nyata α, yaitu 0.515 0.05. Hal ini berarti
bahwa H diterima, yang berarti data residual berasal dari distribusi normal.
Tabel 4.6 Hasil Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 72
Normal Parameters
a,b
Mean .0202569
Std. Deviation .02127248
Most Extreme Differences Absolute
.096 Positive
.082 Negative
-.096 Kolmogorov-Smirnov Z
.818 Asymp. Sig. 2-tailed
.515 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 18 05052015
Universitas Sumatera Utara
b. Uji Heterokedastisitas