d. Variabel Return on Risk Assets RORA memiliki nilai minimum 0,1300 dan nilai maksimum 0,3410 dengan rata-rata sebesar 0,214652 dan standar
deviasi 0,0490439. e. Variabel rasio Beban Operasional terhadap Pendapatan Operasional
BOPO memiliki nilai minimum 0,4960 dan nilai maksimum 1,2570 dengan rata-rata sebesar 0,866742 dan standar deviasi 0,1176918.
f. Variabel Loan to Deposit Ratio LDR memiliki nilai minimum 0,3900 dan nilai maksimum 1,0200 dengan rata-rata sebesar 0,687727 dan standar
deviasi 0,1565277. g. Variabel Perubahan Harga Saham memiliki nilai minimum -4.900,000 dan
nilai maksimum 2.250,000 dengan rata-rata sebesar 47,045455 dan standar deviasi 1,1171338E3.
2. Pengujian Asumsi Klasik
a. Uji Normalitas Data
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : Data residual berdistribusi normal,
Ha : Data residual tidak berdistribusi normal. Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak atau Ha diterima.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Normalitas Sebelum Data Ditransformasi
Unstandardized Residual
N 66
Normal Parameters
a
Mean .0000000
Std. Deviation 1.07975633E3
Most Extreme Differences Absolute
.272 Positive
.156 Negative
-.272 Kolmogorov-Smirnov Z
2.210 Asymp. Sig. 2-tailed
.000
Sumber: Data yang diolah penulis, 2010 Dari hasil pengolahan data pada tabel 4.3 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 2,210 dan signifikan pada 0,000. Nilai signifikansi lebih kecil dari 0,05 0,000 0,05 maka Ha diterima yang berarti
data residual tidak berdistribusi normal. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu data yang memiliki nilai
yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier yaitu:
− lakukan transformasi data ke bentuk lainnya, − lakukan trimming, yaitu membuang data outlier,
− lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural Ln dari persamaan
Universitas Sumatera Utara
Perubahan Harga Saham = fCAR, ROE, NPM, RORA, BOPO, LDR menjadi Ln_Perubahan Harga Saham = fLn_CAR, Ln_ROE, Ln_NPM,
Ln_RORA, Ln_BOPO, Ln_LDR. Setelah dilakukan transformasi data ke model logaritma natural, jumlah sampel n berkurang sebagai akibat dari
proses penormalan data, yakni dari 66 sampel menjadi 40 sampel. Setelah data menjadi normal, kemudian data diuji ulang berdasarkan asumsi normalitas,
berikut ini hasil pengujian dengan Kolmogorov-Smirnov.
Tabel 4.4 Hasil Uji Normalitas Setelah Data Ditransformasi
Unstandardized Residual
N 40
Normal Parameters
a
Mean .0000000
Std. Deviation 1.25426060
Most Extreme Differences Absolute
.092 Positive
.072 Negative
-.092 Kolmogorov-Smirnov Z
.583 Asymp. Sig. 2-tailed
.886
Sumber: Data yang diolah penulis, 2010 Dari hasil pengolahan data pada tabel 4.4 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0,583 dan signifikan pada 0,886. Nilai siginifikansi lebih besar dari 0,05 0,886 0,05 maka H
diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal
tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber: Data yang diolah penulis, 2010 Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal
karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber: Data yang diolah penulis, 2010 Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinearitas