Debt to Equity DER lebih kecil dari nilai rata–ratanya sehingga menunjukkan adanya variasi yang kecil.
e. Variabel Earnings Per Share EPS memiliki nilai minimum sebesar
1.10 dan nilai maksimumnya sebesar 9,69. Nilai rata–ratanya sebesar 5,2887 dengan standar deviasi sebesar 2,35534. Nilai standar deviasi
Earnings Per Share EPS lebih kecil dari nilai rata–ratanya sehingga menunjukkan adanya variasi yang kecil.
f. Variabel harga saham HS memiliki nilai minimum sebesar 3,91 dan
memiliki nilai maksimum sebesar 12,41. Mean dari variabel harga saham HS sebesar 7,8613 dengan standar deviasi sebesar 2,19823.
Nilai standar deviasi yang lebih kecil dari nilai mean, menunjukkan adanya variasi harga saham HS yang kecil.
2. Uji Asumsi Klasik
Peneliti melakukan terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis. Model regresi yang baik adalah yang telah memenuhi
persyaratan BLUE Best Linear Unbiasedestimator yakni yang telah lolos dari semua uji asumsi klasik ini. Uji asumsi klasik yang dilakukan peneliti
meliputi uji normalitas, uji multikolonieritas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji ini digunakan pada tahap awal dalam metode pemilihan analisis data. Jika data normal digunakan uji parametik dan jika data tidak normal
digunakan non–parametik atau treatment agar data normal. Tujuan uji
normalitas adalah untuk mengetahui apakah data dalam bentuk distribusi normal atau tidak. Untuk menguji normalitas data peneliti mengggunakan
uji Kolmogorov Smirnov. Caranya adalah menentukan terlebih dahulu hipotesis pengujian, yaitu:
Hipotesis Nol H
o
: data terdistribusi secara normal Hipotesis Alternatif H
a
: data tidak terdistribusi secara normal Apabila probabilitas 0,05, maka distribusi data normal dan dapat
digunakan regresi berganda. Apabila probabilitas 0,05, maka distribusi data dikatakan tidak normal, untuk itu perlu dilakukan transformasi data
atau menambah maupun mengurangi data.
Tabel 4.3 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov–Smirnov Test
Unstandardiz ed Residual
N 63
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.46962309E
4 Most Extreme
Differences Absolute
.282 Positive
.282 Negative
-.228 Kolmogorov-Smirnov Z
2.240 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data. Pada Tabel 4.3 Hasil Uji Normalitas, diperoleh bahwa data dalam
penelitian ini tidak terdistribusi secara normal, dimana variabel memiliki nilai signifikansi yang lebih kecil dari 0,05 yaitu 0.000. Data yang tidak
terdistribusi secara normal juga dapat dilihat melalui grafik histogram dan
grafik normal plot data seperti yang terdapat pada Gambar 4.1 dan 4.2 berikut.
Gambar 4.1 Histogram sebelum data ditransformasi
Metode lain adalah dengan melihat penyebaran data titik pada normal P plot of regression standizzed residual variabel independen,
dimana: 1
jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas
Gambar 4.2 Grafik Normal P-P Plot sebelum data ditransformasi
Namun hasil uji normalitas dengan menggunakan grafik plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak
menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi tidak terdistribusi secara normal. Dari hasil uji
normalitas dengan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal plot menunjukkan data tidak terdistribusi secara normal.
Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural Ln yaitu dari
persamaan HS = fROA, ROE, NPM, DER, EPS, menjadi LN_HS = fLN_ROA, LN_ROE, LN_NPM, LN_DER, LN_EPS. Setelah itu, data
diuji ulang berdasarkan asumsi normalitas. Tabel 4.3 berikut ini
merupakan hasil uji normalitas setelah transformasi dengan logaritma natural.
Tabel 4.4 Hasil Uji SetelahTransformasi Data
One-Sample Kolmogorov–Smirnov Test
Unstandardiz ed Residual
N 62
Normal Parameters
a,b
Mean .0000000
Std. Deviation .63839967
Most Extreme Differences
Absolute .070
Positive .070
Negative -.052
Kolmogorov-Smirnov Z .552
Asymp. Sig. 2-tailed .920
a. Test distribution is Normal. b. Calculated from data.
Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 0,552 untuk Return on Assets, Return on Equity, Net Profit Margin, Debt to
Equity Ratio, Earning Per Share dan harga saham. Untuk probababilitas signifikansi Asymp. Sig 2-tailed dari masing-masing variabel adalah
0,920 dimana nilai signifikansinya 0,05. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah
terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik
histogram dan plot data yang terdistribusi normal.
Gambar 4.3 Grafik Histogram setelah data ditransformasi
Selain dengan melihat grafik histogram, untuk lebih memastikan apakah data terdistribusi secara normal atau tidak, dapat diperkuat dengan
adanya grafik plot.
Gambar 4.4 Grafik Normal P-Plot setelah data ditransformasi
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan
bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness
ke kiri maupun ke kanan atau normal. Demikian pula dengan hasil uji normalitas dengan menggunakan
grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya mendekati dengan garis diagonal
sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Hasil dari transformasi di atas menunjukkan bahwa
variabel-variabel yang tidak normal dapat dinormalkan dengan cara me- ln-kan data. Setelah data sudah menunjukkan data yang memenuhi
asumsi normalitas maka pengujian dapat dilanjutkan dengan pengujian parametrik.
b. Uji
