UP = α + β
1
AGE +
β
2
PPS +
β
3
SIZE + e
Dimana : UP =
Underpricing α
= Konstanta β
1
- β
3
= Koefisien regresi tiap variabel independen AGE = Umur perusahaan
PPS = Persentase Penawaran Saham
SIZE = Ukuran Perusahaan e
= error Model analisis regresi linier berganda dapat digunakan apabila model
tersebut memenuhi asumsi normalitas data dan harus terbebas dari asumsi- asumsi klasik stastistik, yaitu tidak terdapat multikolinieritas, tidak terjadi
autokorelasi maupun tidak heteroskedastisitas.
3.5.2 Uji Asumsi Klasik
1. Uji Normalitas
Uji ini berguna untuk tahap awal pemilihan metode analisis data dan menghindari adanya bias. Uji normalitas bertujuan untuk mengetahui
apakah dalam model regresi, variabel dependen maupun variabel independen terdistribusi secara normal atau tidak. Pengujian ini diperlukan
karena untuk melakukan uji t dan uji F diasumsikan bahwa nilai residual
Universitas Sumatera Utara
mengikuti distibusi normal Erlina dan Sri Mulyani, 2007: 103. Jika asumsi ini tidak terpenuhi maka uji statistik menjadi tidak valid. Beberapa
cara untuk untuk melihat data terdistribusi normal atau tidak antara lain Kolmogorov-Smirnov, Histogram Display Normal Curve dan Kurva
Normal P-Plot. a.
Kolmogorov-Smirnov Untuk melihat apakah suatu data mempunyai distribusi normal atau
tidak dapat menggunakan uji Kolmogorov-Smirnov, yaitu dengan melihat nilai residualnya. Apabila nilai signifikannya lebih kecil dari
0,05 maka data tidak terdistribusi secara normal. Sebaliknya, apabila nilai signifikannya lebih besar dari 0,05 maka data terdistribusi secara
normal. b.
Histogram Display Normal Curve Data dikatakan normal jika bentuk kurva histogram memiliki
kemiringan yang cenderung seimbang antara sisi kiri maupun kanan, atau tidak condong ke kiri maupun kanan, dan bentuk kurva
menyerupai lonceng yang hampisr sempurna. c.
Kurva Normal Probability Plot Data yang dikatakan dalam keadaan normal apabila distribusi data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal kurva Normal Probabilty Plot.
Universitas Sumatera Utara
2. Uji Multikolinieritas
Uji ini bertujuan untuk mengetahui ada atau tidaknya korelasi atar variabel-variabel indenpenden. Multikolinieritas terjadi apabila terdapat
korelasi antar variabel independen. Jika terjadi korelasi diantara sesama variabel independen konsekuensinya adalah koefisien regresi tidak dapat
ditaksir dan nilai standar error setiap koefisien regresi menjadi tak terhingga Erlina dan Mulyani, 2007:107.
Ketentuan untuk mendeteksi ada tidaknya multikolinieritas menurut Lubis et all 2007:32, yaitu:
a. Jika nilai Variance Inflation Faktor VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1 maka dapat dikatakan model bebas dari Multikolinieritas. Apabila nilai VIF lebih dari 10 dan nilai
Tolerance kurang dari 0,1 maka terjadi Multikolinieritas. b.
Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,7, maka model dapat dinyatakan bebas dari
Multikolinieritas. Jika lebih dari 0,7, maka diasumsikan terjadi Multikolinieritas.
3. Uji Heteroskedastisitas
