ada pada setiap perusahaan tahun 2011 menunjukan penyebaran data sangat dekat homogen.
Tabel 4.1. menunjukkan N Return pasar RM perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64
data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.0095 dimana terdapat 48 tahun data yang memiliki nilai di atas rata-rata,
sisanya 16 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.00590 dengan Nilai Return pasar RM minimum adalah sebesar 0.0 ada pada
setiap perusahaan tahun 2011 dan nilai maksimum yakni sebesar 0.02 ada pada setiap perusahaan tahun 2014 menunjukan penyebaran data sangat dekat
homogen.
4.1.2 Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala
heteroskedastisitas, gejala multikolonieritas, dan gejala autokorelasi. Model regresi akan dapat dijadikan estimasi yang tidak bias jika telah memenuhi persyaratan
BLUE Best Linear Unbiased Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat multikolonieritas dan tidak terdapat autokolerasi.
4.1.2.1 Uji Normalitas CAPM
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai
Universitas Sumatera Utara
ditribusi normal atau tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal atau mendekati normal. Hasil pengujian
normalitas data dapat dilihat pada Gambar 5.1.
Gambar 4.1. Normal P-Plot CAPM Sumber: Lampiran Output SPSS
Pada grafik normal probility Gambar 4.1. menunjukkan titik-titik menjauhi garis diagonal dan hal ini menunjukkan bahwa residual tidak
terdistribusi secara normal.
Universitas Sumatera Utara
Gambar 4.2. Normal P-Plot CAPM Setelah Dilakukan Scaning
Sumber: Lampiran Output SPSS Pada grafik normal probility Gambar 4.2. menunjukkan titik-titik
mendekati garis diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal. Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji
apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak dibawah ini:
Universitas Sumatera Utara
Tabel 4.2. One-Sample Kolmogorov-Smirnov Test CAPM
Unstandardized Residual
N 57
Normal Parameters
a
Mean .0000000
Std. Deviation .00686640
Most Extreme Differences
Absolute .134
Positive .093
Negative -.134
Kolmogorov-Smirnov Z 1.012
Asymp. Sig. 2-tailed .258
Berdasarkan uji
Kolmogorov-Smirnov diperoleh
nilai dari
Unstandardized Residual sig. K-S 0.258 0,05. Oleh sebab itu, residual data tidak terdistribusi dengan normal.
4.1.2.2 Uji Normalitas APT
Berikut ini dijelaskan hasil uji normalitas data variabel APT. Hasil pengujian normalitas data dapat dilihat pada Gambar 5.3.
Universitas Sumatera Utara
Gambar 4.3. Normal APT P-Plot Setelah Transformasi Gambar pada tampilan Normal P-Plot memberikan pola distribusi
normal dengan penyebaran secara merata mendekati garis diagonal. Uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid
atas normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 4.3. berikut:
Tabel 4.3. One-Sample Kolmogorov-Smirnov Test APT
Unstandardiz ed Residual
N 64
Normal Parameters
a
Mean .0000000
Std. Deviation .61936371
Most Extreme Differences
Absolute .099
Positive .090
Negative -.099
Kolmogorov-Smirnov Z .795
Asymp. Sig. 2-tailed .552
Universitas Sumatera Utara
Sumber Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov pada data diperoleh nilai sig.
dari Unstandardized Residual sebesar 0,552 0,05. Oleh sebab itu, residual data terdistribusi dengan normal sehingga layak untuk menggunakan statistik
parametrik.
4.1.2.3 Uji Multikolonieritas Tabel 4.4 Hasil Uji Multikolonieritas CAPM
