69
Tabel 4.4 Hasil Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
64 .0000000
.27782024 .097
.090 -.097
.773 .588
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.
Hasil uji normalitas terhadap nilai residual persamaan regresi dengan menggunakan Kolmogorov – Smirnov, menunjukkan nilai
signifikansi 0,588 0,05; sehingga dapat disimpulkan bahwa data pada persamaan regresi memiliki distribusi data yang normal.
4.2.5 Hasil Pengujian Asumsi Klasik
4.2.5.1 Multikolinieritas
Multikolinearitas merupakan situasi dimana terdapat korelasi antara variabel-variabel independen. Gejala ini dapat diketahui dengan
menggunakan perhitungan Tolerance TOL dan Variance Inflation Faktor VIF. Dengan ketentuan apabila nilai TOL mendekati 1 maka
tidak terdapat multikolinearitas antar variabel, dan apabila nilai VIF kurang dari 10 maka tingkat multikolinearitasnya termasuk tidak
70
berbahaya. Hasil analisis pengujian uji linieritas multikolinieritas adalah sebagai berikut :
Tabel 4.5 Hasil Pengujian Multikolinieritas
Coefficients
a
.031 .099
.310 .758
-.033 .158
-.027 -.211
.833 -.027
.969 1.032
.419 .308
.176 1.361
.179 .173
.966 1.035
-.005 .026
-.025 -.194
.847 -.025
.985 1.015
Constant Financial Leverage X1
Operating Leverage X2 Asset Growth X3
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correla tions
Tolerance VIF
Collinearity Statistics
Dependent Variable: Beta Saham Y a.
Sumber: Lampiran Hasil uji Multikolinieritas menunjukkan nilai VIF X1=1,032;
X2=1,035; dan X3=1,015 kurang dari 10; sehingga tidak terjadi multikolinieritas yang tinggi. Dengan demikian dapat disimpulkan
bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat dipenuhi.
4.2.5.2 Heteroskedastisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel bebas. Hal ini biasa diidentifikasi dengan cara
menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Dengan ketentuan apabila nilai probabilitas kesalahan
lebih besar dari 5 maka tidak ada hubungan tidak terjadi heteroskedastisitas.
Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil
analisis sebagai berikut :
71
Tabel 4.6 Hasil Pengujian Heteroskedastisitas
Correlations
1.000 .037
-.144 .079
. .387
.128 .267
64 64
64 64
.037 1.000
.123 .120
.387 .
.167 .173
64 64
64 64
-.144 .123
1.000 .288
.128 .167
. .011
64 64
64 64
.079 .120
.288 1.000
.267 .173
.011 .
64 64
64 64
Correlation Coefficient Sig. 1-tailed
N Correlation Coefficient
Sig. 1-tailed N
Correlation Coefficient Sig. 1-tailed
N Correlation Coefficient
Sig. 1-tailed N
Unstandardized Residual Financial Leverage X1
Operating Leverage X2 Asset Growth X3
Spearmans rho Unstandardiz
ed Residual Financial
Leverage X1 Operating
Leverage X2 Asset
Growth X3
Correlation is significant at the 0.05 level 1-tailed. .
Sumber: Lampiran Hasil Uji Heteroskedastisitas pada nilai residual variabel bebas
penelitian menunjukkan nilai signifikansi variabel X1=0,387; X2=0,128; dan X3=0,267; yang nilainya 0,05; berarti tidak terjadi
heteroskedastisitas. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi.
4.2.5.3 Autokorelasi