One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 72
Normal Parameters
a
Mean .0000000
Std. Deviation 68.82150934
Most Extreme Differences Absolute
.116 Positive
.116 Negative
-.088 Kolmogorov-Smirnov Z
.987 Asymp. Sig. 2-tailed
.284
Sumber: Lampiran iv
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0.103. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat
digunakan untuk melakukan uji hipotesis karena 0.284 0,05.
2. Hasil Uji Heteroskedastisitas
Uji Heteroskesdastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Ghozali
2005:105 Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedasitas. Cara mendeteksi ada tidaknya gejala heterokedasitas adalah
dengan melihat grafik scatterplott yang dihasilkan dari pengolahan data menggunakan program SPSS 16. Dasar pengambilan keputusannya menurut
Ghozali 2005:105 adalah sebagai berikut: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas.
Universitas Sumatera Utara
b. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y, maka tidak heterokedasitas
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik – titik yang menyebar di atas dan dibawah angka 0 pada
sumbu Y serta tidak membentuk pola maka tidak terjadi heteroskesdastisitas.
Gambar 4.3 Uji Heteroskedastisitas scatterplot
Sumber: Lampiran v
Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen.
3. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi.
Universitas Sumatera Utara
Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji
Durbin Watson. Mengacu kepada pendapat Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
a. angka D-W dibawah -2 berarti ada autokorelasi positif,, b. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
c. angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.3 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.549
a
.302 .187
74.24863 .925
a. Predictors: Constant, PER, ROE, GP, CR, DAR, PBV, EPS, NPM, DER, ROA
b. Dependent Variable: Return_Saham
Sumber: Lampiran vi
Tabel 4.3 memperlihatkan nilai statistik D-W sebesar 0.925 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi dalam penelitian ini.
4. Uji Multikolinieritas
