B. Uji Asumsi Klasik
Hipotesis dalam penelitian ini akan diuji dengan menggunakan model regresi linier berganda. Tujuannya adalah untuk memperoleh gambaran yang menyeluruh
mengenai pengaruh antara variabel dependen
underpricing
dan vaiabel independen yaitu reputasi
underwriter
, reputasi auditor, ukuran perusahaan,
levera ge
, ROA, dan ROE. Untuk memenuhi persyaratan sebagai hasil regresi yang baik maka terlebih dahulu akan diujikan mengenai tidak adanya pelanggaran
asumsi klasik.
1. Uji Normalitas
Pengujian normalitas dilakukan dengan menggunakan pengujian terhadap masing normalitas pada
unsta ndardized residua l
. Pengujian dilakukan dengan metode Kolmogorov Smirnov. Data yang berdistribusi ditunjukkan
dengan nilai signifikansi yang lebih besar dari 0,05. dengan Hasil pengujian regresi menunjukkan sebagai berikut :
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: UNDER Normal P-P Plot of Regression Standardized Residual
Gambar IV.1. Normal P-P Plot
Tabel IV.2. Uji Normalitas awal One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 111
Normal Parametersa,b Mean 31,0666667
Std. Deviation 9,25685686
Most Extreme Differences
Absolute 0,067
Positive 0,053
Negative -,067
Kolmogorov-Smirnov Z 0,702
Asymp. Sig. 2-tailed 0,708
Sumber : Data sekunder yang diolah Pengujian normalitas menunjukkan bahwa nilai residual sudah
berdistribusi normal. Hal ini ditunjukkan dengan gambar P-P Plot yang menujukkan bahwa titik berada tidak jauh dari garis diagonal. Dan hasil uji
Kolmogorov Smirnov Test yang dihasilkan lebih besar dari 5, yaitu sebesar 0,708 70,8
2. Pengujian Multikolinieritas
Suatu variabel menunjukkan gejala multikolinieritas bisa dilihat dari nilai VIF
Va ria nce Inflation Fa ctor
yang tinggi pada variabel-variabel bebas suatu model regresi. Nilai VIF yang lebih besar dari 10 menunjukkan adanya gejala
multikolinieritas dalam model regresi. Hasil pengujian VIF adalah sebagai berikut :
Tabel IV.3. Pengujian Multikolinieritas
Collinea rity Statistics
Tolerance VIF
RU 0,891
1,123 RA
0,776 1,288
LNTA 0,615
1,626 LEVRG
0,502 1,990
ROA 0,239
4,180 ROE
0,248 4,029
Sumber : Data sekunder yang diolah .
Tabel IV.3. menunjukkan bahwa tidak terdapat variabel yang nilai
tolera nce-
nya lebih kecil dari 0,1 dan VIF
va ria n infla tion fa ctor
yang lebih besar dari 10. Hal ini berarti bahwa model variabel bebas prediktor yang
digunakan dalam penelitian ini tidak menunjukkan adanya gejala multikolinieritas dalam model regresi.
3. Pengujian Heteroskedastisitas
Kategori