48
4.1.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis menggunakan regresi linier berganda, ada beberapa uji asumsi klasik yang harus dipenuhi agar kesimpulan
dari regresi tersebut tidak bias, yaitu uji normalitas, uji multikolinieritas, uji heteroskodesitas dan uji Autokorelasi
.
4.1.2.1 Uji Normalitas
Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat normalitas data
dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Analisis statistik dilakukan dengan menggunakan uji non-parametrik
Kolmogrov-Smirnov K-S. Analisis K-S digunakan untuk melengkapi uji grafik karena uji normalitas dengan grafik dapat menyesatkan kalau tidak
hati-hati dimana secara visual kelihatan normal padahal secara statistik bisa sebaliknya. Hasil pengujian normalitas data dapat dilihat pada Tabel
4.2 berikut ini:
Tabel 4.2 Hasil Uji Non-Parametik Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
DPR NIM
EPS Harga_saham
N 55
55 55
55 Normal Parameters
a
Mean 27.4182 26.8545 28.2182
30.5455 Std.
Deviation 2.24884
E1 2.15333
E1 1.88274
E1 22.86581
Most Extreme Differences
Absolute .164
.189 .162
.178 Positive
.164 .189
.162 .178
Negative -.149
-.137 -.101
-.114 Kolmogorov-Smirnov Z
1.217 1.403
1.203 1.318
Asymp. Sig. 2-tailed .203
.239 .211
.262
Universitas Sumatera Utara
49
One-Sample Kolmogorov-Smirnov Test
DPR NIM
EPS Harga_saham
N 55
55 55
55 Normal Parameters
a
Mean 27.4182 26.8545 28.2182
30.5455 Std.
Deviation 2.24884
E1 2.15333
E1 1.88274
E1 22.86581
Most Extreme Differences
Absolute .164
.189 .162
.178 Positive
.164 .189
.162 .178
Negative -.149
-.137 -.101
-.114 Kolmogorov-Smirnov Z
1.217 1.403
1.203 1.318
Asymp. Sig. 2-tailed .203
.239 .211
.262 a. Test distribution is Normal.
Tabel 4.2 menunjukkan bahwa angka signifikansi pada Kolmogrov-
Smirnov sebesar 0.203 DPR, 0.239 NIM dan 0.211 EPS lebih besar dari sig. 0,05 yang berarti data berdistribusi normal. Oleh karena itu,
dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
4.1.2.2 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika
terjadi korelasi, maka dikatakan terdapat masalah multikoliniearitas. Uji multikolinearitas dilihat dari nilai tolerance dan variance inflation factor
VIF-nya. Model regresi yang baik jika nilai Tolerance ≥ 0,1 dan VIF ≤
10. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.3 berikut ini.
Universitas Sumatera Utara
50
Tabel 4.3 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
DPR .791
1.264 NIM
.670 1.492
EPS .786
1.272
a. Dependent Variable: harga saham
Tabel 4.3 menunjukkan bahwa semua variabel memiliki nilai tolerance diatas 0,10 dan nilai variance inflation factor VIF lebih kecil
dari 10 sehingga dapat disimpulkan bahwa model regresi bebas multikolinearitas.
4.1.2.3 Uji Autokorelasi