Hasil Uji Multikolinieritas Uji Asumsi Klasik

71 antara masing-masing variabel bebas lebih besar dari 0,8, maka terjadi multikolinieritas. 68 Tabel 4.1 Hasil Uji Multikolinearitas ROA CR DER DIV LB DPR ROA 1 -0.0455 0.33396 0.16341 0.11888 0.87719 CR -0.04546 1 -0.5608 -0.298 0.02728 -0.3251 DER 0.33396 -0.5608 1 0.43704 0.25848 0.61217 DIV 0.16341 -0.298 0.43704 1 0.4649 0.41828 LB 0.11888 0.02728 0.25848 0.4649 1 0.22173 DPR 0.87719 -0.3251 0.61217 0.41828 0.22173 1 Sumber: Data sekunder yang diolah Berdasarkan tabel 4.1 dapat dilihat bahwa nilai dari hubungan variabel independen yang satu ke variabel independen yang lainnya ada yang melebihi 0,8 x 0,8 yaitu DPR dengan ROA, sehingga perlu dilakukan tahapan sehingga data menjadi normal dan tidak lagi terdapat multikolinearitas. Karena dari hasil uji normalitas diatas menunjukkan bahwa data penelitian tidak terdistribusi dengan normal, maka semua data variabel pada penelitian ini dilakukan LOG untuk mendapatkan hasil yang lebih baik. Berikut merupakan hasil uji multikolinearitas setelah semua data variabel pada penelitian ini dilakukan LOG. 68 Shochrul R Ajija,dkk, Cara Cerdas Menguasai Eviews, Jakarta: Salemba Empat.2011, h.35. 72 Tabel 4.2 Hasil Uji Multikolinearitas Setelah di-LOG LOG ROA LOG CR LOG DER LOG DIV LOG LB LOG DPR LOG ROA 1 0.0273 0.091 0.06498 0.04856 0.50899 LOG CR 0.0273 1 -0.602 -0.2655 0.06024 -0.3635 LOG DER 0.091 -0.602 1 0.43027 0.19206 0.52187 LOG DIV 0.06498 -0.2655 0.43027 1 0.48408 0.42402 LOG LB 0.04856 0.06024 0.19206 0.48408 1 0.1594 LOG DPR 0.50899 -0.3635 0.52187 0.42402 0.1594 1 Berdasarkan tabel 4.2 dapat dilihat bahwa nilai dari hubungan variabel independen satu ke variabel independen lainnya dimana semua variabel telah ditransformasi logaritma natural hasilnya tidak ada yang melebihi 0,8 atau 0,8, sehingga dapat disimpulkan tidak adan lagi masalah multikolinieritas.

b. Hasil Uji Normalitas

Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau keduanya mempunyai distribusi normal atau tidak. Metode yang umum digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotting data residual akan dibandingkan dengan garis diagonal. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Deteksi uji normalitas juga 73 dapat dilakukan dengan menghitung nilai Jarque-Bera yaitu apabila nilainya lebih kecil dari 12,592. Tabel 4.3 Hasil Uji Jarque-Bera 1 2 3 4 5 6 7 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 Series: Standardized Residuals Sample 2009 2014 Observations 42 Mean 2.25e-17 Median -0.014109 Maximum 0.344103 Minimum -0.439723 Std. Dev. 0.185437 Skewness -0.168332 Kurtosis 2.468422 Jarque-Bera 0.692856 Probability 0.707210 Sumber: Data sekunder yang diolah Tabel 4.3 memperlihatkan bahwa variabel harga saham, return on asset, current ratio, debt to equity ratio, dividen, laba bersih, dividend payout ratio dan laba bersih memiliki nilai Jarque-Bera 0,693dibawah 12,592 dengan Chi-Square Tabel df.6 0,05. Hal ini menunjukkan bahwa semua variabel independen maupun dependen memenuhi asumsi normalitas.

c. Hasil Uji Heterokedastisitas

Pengujian heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas.