55
mendapatkan distribusi data yang normal. Hasil pengujiannya adalah sebagai berikut.
Tabel 4.3 Kolmogorov-Smirnov Test
Setelah Transformasi Data
Sumber: Output SPSS. Diolah penulis 2016 Hasil uji kolmogorov smirnov pada Tabel 4.3 diatas menunjukkan nilai
Kolmogorov Smirnov K-S sebesar 0,069 dan nilai signifikan sebesar 0,200 sehingga dapat disimpulkan bahwa data dalam model regresi
berdistribusi normal, dimana nilai signifikansinya 0,200 0,05.
4.2.2.2 Uji Multikolinearitas
Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan melihat nilai tolerance TOL dan variance inflation factor VIF. Jika
nilai VIF 10 dan nilai tolerance 0,1, maka dapat disimpulkan tidak
Universitas Sumatera Utara
56
terjadi multikolinearitas. Hasil pengujian multikolinearitas pada penelitian ini adalah sebagai berikut.
Tabel 4.4 Multikolinearitas Sebelum Transformasi Data
Tabel 4.5 Multikolinearitas Setelah Transformasi Data
Sumber: Output SPSS. Diolah penulis 2016
Berdasarkan data olahan pada Tabel 4.5, maka dapat dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan nilai
tolerance 0,1. Dengan demikian, maka dapat disimpulkan bahwa tidak
Universitas Sumatera Utara
57
terjadi korelasi di antara variabel-variabel independen yang diuji dalam penelitian ini.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi dilakukan dengan melihat nilai Durbin-Watson DW. Bila nilai Durbin-Watson DW terletak diantara batas atas atau Upper
Bound DU dan 4-DU, maka dapat disimpulkan tidak ada autokorelasi, positif atau negatif. Hasil pengujian autokorelasi dapat dilihat pada
tabel dibawah ini.
Tabel 4.6 Durbin-Watson
Sebelum Transformasi Data
Tabel 4.7 Durbin-Watson
Setelah Transformasi Data
Sumber: Output SPSS. Diolah penulis 2016
Universitas Sumatera Utara
58
Berdasarkan data yang ada pada Tabel 4.6 dapat dilihat bahwa nilai Durbin-Watson DW adalah sebesar 1,840. Nilai akan dibandingkan
dengan nilai tabel yang mempunyai nilai signifikansi α = 5, jumlah sampel n = 34 dan jumlah variabel independen k = 4. Berdasarkan
tabel Durbin-Watson, maka diperoleh nilai batas atas du = 1,7277 dan nilai batas bawah dl = 1,2078 serta nilai 4-du = 2,2723. Oleh karena
nilai dw = 1,840 lebih besar dari batas atas du = 1,7277 dan kurang dari 4-du 4-1,7277 = 2,2723, maka dapat disimpulkan bahwa tidak
terdapat autokorelasi.
4.2.2.4 Uji Heterokedastisitas
Uji heterokedastisitas digunakan dalam penelitian ini untuk mendeteksi ada tidaknya gejala heterokedastisitas. Dengan melihat pola grafik
scatterplot. Dasar pengambilan keputusannya adalah: 1. Jika ada pola tertentu, seperti titik-tik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudia menyempit, maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik yang menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas. Hasil pengujian heterokedastisitas dapat dilihat pada gambar 4.5 berikut
ini.
Universitas Sumatera Utara
59
Gambar 4.5 Grafik Scatterplot Sebelum Transformasi Data
Sumber: Output SPSS. Diolah penulis 2016 Pada Gambar 4.5 terlihat bahwa grafik scatterplot menunjukkan pola
tertentu dimana titik-titik tidak tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan mengindikasikan telah terjadi
heterokedastisitas. Hal ini dapat disimpulkan bahwa terjadi heterokedastisitas pada model regresi, sehingga model regresi tidak
layak dipakai untuk memprediksi harga saham. Hasil dari transformasi data terhadap pengujian heterokedastisitas adalah sebagai berikut.
Universitas Sumatera Utara
60
Gambar 4.6 Grafik Scatterplot Setelah Transformasi Data
Sumber: Output SPSS. Diolah penulis 2016 Pengujian heterokedastisitas setelah transformasi data pada Gambar 4.6
menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas dan model regresi layak dipakai untuk mengetahui faktor-faktor yang mempengaruhi
harga saham.
Universitas Sumatera Utara
61
4.2.3 Diagram Jalur
