nilai rata-rata 3.32872 . Standar Deviation simpangan baku variabel ini adalah 5.202873,
d jumlah sampel yang ada sebanyak 50.
2. Pengujian Asumsi Klasik
Salah satu satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah dipenuhinya semua
asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator. Pengujian asumsi klasik dalam penelitian ini dilakukan
dengan bantuan program statistik. Menurut Imam Ghozali 2005:123, asumsi klasik yang harus dipenuhi adalah:
• Berdistibusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. •
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Imam
Ghozali 2005:115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
yang dapat dilihat dari:
Universitas Sumatera Utara
a
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini.
Tabel 4.5 Hasil Uji Normalitas 1
Sumber : Output SPSS, diolah Peneliti, 2011
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.5 dapat disimpulkan bahwa data tidak terdistribusi
normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov yang lebih kecil dari 0,05 yaitu sebesar 0,039. Karena data tidak terdistribusi
One-Sample Kolmogorov-Smirnov Test
HARGA SAHAM DEBT TO
EQUITY RATIO PRICE EARNING
RATIO RETURN ON
EQUITY N
50 50
50 50
Normal Parameters
a
Mean 270.26000
.99300 48.03280
3.32872 Std. Deviation
216.996926 .810161
120.822980 5.202873
Most Extreme Differences Absolute
.198 .156
.350 .261
Positive .198
.156 .346
.255 Negative
-.155 -.120
-.350 -.261
Kolmogorov-Smirnov Z 1.401
1.105 2.473
1.847 Asymp. Sig. 2-tailed
.039 .174
.000 .002
Universitas Sumatera Utara
normal, maka dilakukan tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Dalam penelitian ini penulis melakukan
transformasi data ke model logaritma natural Ln kemudian, data diuji ulang berdasarkan asumsi normalitas.
Hasil uji statistik dengan model Kolmogorov-Smirnov yang baru setelah dilakukan transformasi data yang tidak normal tersebut dapat dilihat pada tabel
4.5.
Tabel 4.6 Hasil Uji Normalitas 2
Sumber : Output SPSS, diolah Peneliti, 2011
Tabel 4.6 menunjukkan bahwa hasil pengujian statistik dengan model Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi normal karena
nilai Asymp.Sig 2-tailed Kolmogorov-Smirnov lebih besar dari 0,05 yaitu sebesar 0,215. Berikut ini ditampilkan hasil uji normalitas dengan menggunakan
grafik Histogram dan plot.
One-Sample Kolmogorov-Smirnov Test
LN HARGA SAHAM
LN DEBT TO EQUITY RATIO
LN PRICE EARNING RATIO
LN RETURN ON EQUITY
N 50
50 50
50 Normal Parameters
a
Mean 5.26769
-.41822 2.64049
-.81289 Std. Deviation
.843301 1.081197
1.385232 2.554828
Most Extreme Differences Absolute
.149 .155
.100 .134
Positive .144
.079 .100
.134 Negative
-.149 -.155
-.080 -.130
Kolmogorov-Smirnov Z 1.055
1.094 .704
.949 Asymp. Sig. 2-tailed
.215 .182
.704 .329
a. Test distribution is Normal.
Universitas Sumatera Utara
Gambar 4.1 Uji Normalitas data
Sumber : Output SPSS, diolah Peneliti, 2011
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi
data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan
menggunakan grafik plot yang ditampilkan pada Gambar 4.1.
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas data
Sumber : Output SPSS, diolah Peneliti, 2011 Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan
dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal,
hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis
diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah
terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
Universitas Sumatera Utara
b. Uji Multikolinieritas Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat
dilihat dari: 1
nilai tolerence dan lawannya, 2
Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang
umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10 Imam Ghozali 2005:91.
Tabel 4.7 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1Constant DEBT TO EQUITY RATIO
.917 1.090
PRICE EARNING RATIO .960
1.042 RETURN ON EQUITY
.919 1.088
a. Dependent Variable: HARGA SAHAM
Dependent variabel : LNHS Sumber : Output SPSS, diolah Peneliti, 2011
Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari masing-masing variabel independen lebih besar dari 0.1, yaitu untuk variabel
DER sebesar 0.917; variabel PER sebesar 0.960; variabel ROE sebesar 0.919; Nilai VIF dari masing-masing variabel independen diketahui kurang dari 10, yaitu
untuk variabel DER sebesar 1.090; variabel PER sebesar 1.042; variabel ROE
Universitas Sumatera Utara
sebesar 1.088. Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat multikolinearitas.
c. Uji Autokorelasi
