65
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
ROI DPS RETURN
N 57 57
57 Normal Parameters
a
Mean .030319
.041432 .002239
Std. Deviation .2194364
.726013 .0090951
Most Extreme Differences Absolute
.305 .486
.175 Positive .238
.486 .168
Negative -.305 -.384
-.175 Kolmogorov-Smirnov Z
2.300 3.672
1.319 Asymp. Sig. 2-tailed
.000 .000
.062 a. Test distribution is Normal
Sumber : Data Diolah Tahun 2008
Dari tabel 4.10 dapat disimpulkan bahwa sig Return yaitu 0,062 yang berarti lebih dari 0,05 maka dapat diartikan Ho diterima, yang berarti data
berdistribusi normal.
4.5 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator linier yang baik. Berkaitan dengan uji
asumsi klasik dalam penelitian ini, model analisis yang digunakan dan menghasilkan estimator yang tidak biasa apabila memenuhi beberapa asumsi
klasik, sebagai berikut :
4.5.1 Uji Multikolinieritas
Penyimpangan uji asumsi klasik ini adalah adalah adanya multikolinieritas dalam model regresi yang dihasilkan, yang berarti dapat berhubungan yang
sempurna antar variabel bebas. Dalam hal ini hubungan antar variabel bebas ditunjukkan oleh angka tolerance dan VIF dimana apabila angka tolerance dan
66
VIF semakin mendekati nilai 1 satu maka hubungan variabel bebas dalam penelitian ini rendah jadi dapat diasumsikan bahwa tidak ada multikolinieritas
dalam model regresi.
Tabel 4.11 Tolerance dan VIF
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Constant ROI .992
1.008 DPS .992
1.008 a. Dependent Variable: RETURN
Sumber : Data Diolah Tahun 2008
4.5.2 Uji Autokolerasi
Penyimpangan model ini adalah adanya autokolerasi dalam model regresi. Artinya adanya kolerasi antara anggota sampel yang diurutkan berdasarkan
waktu. Konsekuensi dari adanya autokolerasi dalam suatu regresi adalah varians sampel tidak dapat menggambarkan varians populasinya.
Untuk mendiagnosis adanya autokolerasi dalam suatu model regresi dilakukan pengujian terhadap terhadap nilai Uji Durbin-Watson Uji D
w
, berdasarkan tabel autokolerasi, sebagai berikut :
67
Tabel 4.12 Uji Autokolerasi
D
w
Kesimpulan Kurang dari 1,45
1,45 sampai 1,68 1,68 sampai 2,32
2,32 sampai 2,55
Lebih dari 2,55 Ada autokolerasi
Tanpa kesimpulan Tidak ada autokolerasi
Tanpa kesimpulan Ada autokolerasi
Sumber : Algifari 1997:89 Dari hasil perhitungan program computer SPSS 16.00 didapat nilai Uji D
w
= 2,120. berada didaerah tidak ada autokolerasi sehingga dapat disimpulkan bahwa pada persamaan regresi tersebut tidak terdapat autokolerasi.
Tabel 4.13 Hasil Uji Darbin-Watson
Model Summaryb
Model Durbin-Watson 1
2.120 a. Predictors: Constant, DPS, ROI
b. Dependent Variable: RETURN
Sumber : Data Diolah Tahun 2008
4.5.3 Uji Heterokedastisitas
Penyimpangan asumsi klasik ini adalah adanya heterokedastisitas dimana varian variabel dalam model tidak sama. Berdasarkan olahan program komputer
SPSS 16.00 yaitu melalui tampilan grafik Scatterplot yang dapat dilihat pada gambar II, maka dapat diasumsikan bahwa terjadi heterokedastisitas. Hal ini
berdasarkan gambar grafik dimana titik- titik yang ada dalam grafik tersebut membentuk pola tertentu yang jelas dan titik-titik tersebut mengumpul diatas
dan dibawah angka 0 pada sumbu Y.
68
Gambar II Hasil Uji Heterokedastisitas
4.6 Pembahasan
