79
4.3. Deskripsi Hasil Pengujian Hipotesis
4.3.1. Hasil pengujian Asumsi Klasik
4.3.1.1 Hasil Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti
sebaran normal dapat dilakukan dengan berbagai metode diantaranya adalah metode Kolmogorov Smirnov, dengan menggunakan program SPSS 13 Ghozali,
2001 : 77. Nilai signifikansi atau nilai probabilitas 0,05, maka distribusi adalah tidak normal. Dan nilai signifikansi atau nilai probabilitas 0,05, maka
distribusi adalah normal. Berikut adalah hasil uji normalitas :
Tabel 4.5. Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
35 ,0000000
7135,065591 ,125
,125 -,105
,737 ,650
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 3 Berdasarkan tabel diatas dapat diketahui bahwa nilai statistik
Kolmogorov-Sminornov K-S sebesar 0.737 dan mempunyai taraf signifikan
asymp. Sig sebesar 0,650 dimana nilainya lebih besar dari 0,05 sehingga dapat diambil kesimpulan bahwa data dalam penelitian ini berdistribusi normal untuk
pengujian NPM Net Profit Margin, ROA Return On Assets dan ROE Return On Equity
terhadap Harga Saham.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
80
4.3.1.2 Hasil Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antar data observasi yang diurutkan berdasarkan urutan waktu data time series atau data yang
diambil pada waktu tertentu data cross section. Jadi dalam model regresi linier diasumsikan tidak terjadi gejala autokorelasi, artinya nilai residual Y observasi
– Y prediksi pada waktu ke – t e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Pengambilan keputusan : 1.
Bila nilai Durbin Watson terletak antara upper bound du dan 4-du, maka
koefisien Autokorelasi sama dengan nol berarti tidak ada autokorelasi.
2. Bila nilai Durbin Watson lebih rendah daripada batas bawah atau lower
bound dl, maka koefisien autokorelasi lebih besar daripada nol, berarti ada
autokorelasi positif. Tabel 4.6.
Hasil Pengujian Autokorelasi
Model Summary
b
,754
a
,568 ,527
7472,339 3
31 1,474
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
df1 df2
Change Statistics Durbin-Watson
Predictors: Constant, ROE, ROA, NPM a.
Dependent Variable: Harga Saham b.
Sumber : Lampiran 4 Berdasarkan hasil uji Autokorelasi maka diperoleh besarnya Durbin
Watson 1, 474 nilai tersebut berada antara batas bawah dl yaitu 1,283 dan batas atas du yaitu 1,653, maka dapat disimpulkan bahwa tidak ada autokorelasi pada
model regresi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
81
4.3.1.3 Hasil Uji Multikolinieritas
Kategori