Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 72
Normal Parameters
a
Mean .0000000
Std. Deviation 71.90684790
Most Extreme Differences
Absolute .143
Positive .143
Negative -.073
Kolmogorov-Smirnov Z 1.218
Asymp. Sig. 2-tailed .103
a. Test distribution is Normal.
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 0.103 0,05.
2. Hasil Uji Heteroskedastisitas
Uji Heteroskesdastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Menurut 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:
Universitas Sumatera Utara
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur maka mengindikasikan telah terjadi heterokedasitas. b.
Jika tidak ada pola yang jelas, serta titik menyebar di bawah angka 0 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 di bawah angka 0 pada sumbu Y serta
tidak membentuk pola maka tidak terjadi heteroskesdastisitas.
GaGa mbar 4.3
Uji Heteroskedastisitas scatterplot Sumber: Lampiran v
Pada gambar 4.3 tentang grafik scatterplot di atas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di
atas maupun di bawah angka nol pada sumbu y. Hal ini berarti tidak terjadi
Universitas Sumatera Utara
heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.
3. Hasil 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. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk
mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. 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
.487
a
.238 .167
75.15238 .957
a. Predictors: Constant, DER, ROA, CR, EPS, DAR, ROE
b. Dependent Variable: Perubahan_Saham
Sumber: Lampiran vi
Universitas Sumatera Utara
Tabel 4.3 memperlihatkan nilai statistik D-W sebesar 0.957. Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi
autokorelasi dalam penelitian ini.
4. Hasil Uji Multikolinieritas
