yang digunakan N sebanyak 51. Dari N = 51tersebut diperoleh rata-rata untuk variabel ini sebesar 7.68566 dengan standar deviasi sebesar
1.105497. 4. Variabel Return On Investment ROI menunjukkan nilai maksimum
sebesar 0,92 dan nilai minimum sebesar -0,06 dari jumlah data yang digunakan N sebanyak 51. Dari N = 51 tersebut diperoleh rata-rata untuk
variabel ini sebesar 0,1508 dengan standar deviasi sebesar 0,17055. 5. Variabel Return On Equity ROE menunjukkan nilai maksimum sebesar
3,24 dan nilai minimum sebesar -0,09 dari jumlah data yang digunakan N sebanyak 51. Dari N = 51 tersebut diperoleh rata-rata untuk variabel
ini sebesar 0,3005 dengan standar deviasi sebesar 0,50185. 6. Variabel Return Saham RS menunjukkan nilai maksimum sebesar 19,25
dan nilai minimum sebesar -0,38 dari jumlah data yang digunakan N sebanyak 51. Dari N = 51 tersebut diperoleh rata-rata untuk variabel ini
sebesar 1,0564 dengan standar deviasi sebesar 2,76501.
4.1.4 Uji Asumsi Klasik
4.1.4.1 Uji Normalitas Data
Normalitas data dapat dilihat dari grafik histogram dan normal probability plot yang ditunjukkan pada gambar 4.1 dan 4.2 berikut:
Universitas Sumatera Utara
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.1 Grafik Histogram 1
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.2 Normal Probability Plot 1
Universitas Sumatera Utara
Dengan melihat tampilan grafik histogram yang agak menceng ke kiri dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang tidak
normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar jauh disekitar garis diagonal, serta penyebarannya tidak mengikuti arah garis diagonal.
Kedua grafik diatas menunjukkan bahwa model regresi tidak layak dipakai karena tidak memenuhi asumsi normalitas.
Selain menggunakan uji grafik, sebaiknya dilengkapi dengan uji statistik yaitu dengan menggunakan uji Kolmogorov Smirnov agar hasil yang didapat lebih
akurat seperti yang terlihat pada tabel 4.8 berikut:
Tabel 4.8 Uji
Kolmogorov Smirnov 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 51
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.33493769E2
Most Extreme Differences Absolute
.286 Positive
.286 Negative
-.237 Kolmogorov-Smirnov Z
2.044 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
Dari hasil uji Kolmogorov Smirnov, dapat diketahui bahwa unstandardized residual memiliki nilai signifikansi 0,000. Nilai ini lebih kecil dari
0,05 0,000 0,05. Hal ini menunjukkan bahwa residual tidak terdistribusi normal.
Karena data yang terdistribusi tidak normal, maka akan dilakukan transformasi data dengan menggunakan logaritma natural Ln agar residual dapat
terdistribusi dengan normal. Setelah dilakukan transformasi data dengan menggunakan logaritma natural Ln maka hasil yang diperoleh seperti berikut:
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.3 Grafik Histogram 2
Universitas Sumatera Utara
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.4 Normal Probability Plot 2
Dengan melihat tampilan grafik histogram yang agak menceng ke kanan dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang
normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Kedua grafik
diatas menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
Universitas Sumatera Utara
Selanjutnya normalitas data juga diuji secara statistik dengan menggunakan Kolmogorov Smirnov yang terdapat pada tabel 4.8 berikut:
Tabel 4.9 Uji
Kolmogorov Smirnov 2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 37
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.18119644
Most Extreme Differences Absolute
.092 Positive
.092 Negative
-.059 Kolmogorov-Smirnov Z
.562 Asymp. Sig. 2-tailed
.910 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil uji Kolmogorov Smirnov, dapat diketahui bahwa unstandardized residual memiliki nilai signifikansi 0,910. Nilai ini lebih besar dari 0,05 0,910
0,05. Hal ini menunjukkan bahwa residual terdistribusi normal.
4.1.4.2 Multikolonieritas
Uji multikolonieritas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.10 dan 4.11 berikut:
Universitas Sumatera Utara
Tabel 4.10 Uji Multikolonieritas 1
Coefficient Correlations
a
Model ROE
DER EPS
ROI PER
1 Correlations
ROE 1.000
-.294 -.266
-.786 -.380
DER -.294
1.000 .092
.483 -.269
EPS -.266
.092 1.000
.280 .727
ROI -.786
.483 .280
1.000 .109
PER -.380
-.269 .727
.109 1.000
Covariances ROE
.153 -.025
-.009 -.123
-.010 DER
-.025 .048
.002 .042
-.004 EPS
-.009 .002
.007 .010
.004 ROI
-.123 .042
.010 .160
.003 PER
-.010 -.004
.004 .003
.005 a. Dependent Variable: LnRS
Sumber: Diolah dengan SPSS 17. 2013
Melihat hasil besaran korelasi antar variabel independen pada Tabel 4.7, tampak bahwa hanya variabel Price Earning Ratio PER yang mempunyai
korelasi yang cukup tinggi dibandingkan dengan variabel lain terhadap variabel Earning Per Share EPS dengan tingkat korelasi sebesar 0,727 atau sekitar
72,7. Oleh karena korelasi ini masih dibawah 95 maka dapat dikatakan tidak terjadi multikolonieritas yang serius.
Universitas Sumatera Utara
Tabel 4.11 Uji Multikolonieritas 2
Sumber: Diolah dengan SPSS 17. 2013 Tabel 4.11 diatas memperlihatkan bahwa tidak ada variabel yang memiliki
nilai tolerance 10 dan VIF 10 sehingga hasil ini menunjukkan bahwa seluruh variabel independen dalam persamaan regresi ini sama sekali tidak memiliki
korelasi antar variabel atau dengan kata lain tidak terjadi multikolonieritas anatar variabel.
4.1.4.3 Heteroskedastisitas
Ada tidaknya Heteroskedastisitas dapat dilihat dari grafik scatterplot pada gambar 4.5 berikut
ini:
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1
Constant .153
1.041 .147
.884 EPS
.085 .086
.318 2.990
.330 .289
3.464 DER
.258 .218
.274 1.184
.045 .558
1.791 PER
.026 .070
.141 .376
.710 .213
4.697 ROI
.490 .400
.428 2.224
.030 .244
4.097 ROE
-.302 .392
-.281 3.770
.447 .223
4.476
a. Dependent Variable: LnRS
Universitas Sumatera Utara
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.5 Grafik
Scatterplot
Dari hasil uji grafik Scatterplot diatas menunjukkan bahwa tidak terjadinya heterokedastisitas pada model regresi. Hal ini terlihat dari titik-titik
yang menyebar secara acak yang terdapat diatas maupun dibawah angka 0 pada sumbu Y. Hasil ini juga didukung oleh pengujian secara statistik dengan uji
Glejser yang terdapat pada tabel 4.12 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.12 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.165
.598 1.949
.060 EPS
.037 .049
.238 .753
.457 DER
-.049 .125
-.089 -.391
.698 PER
-.012 .040
-.108 -.294
.771 ROI
-.032 .230
-.048 -.141
.889 ROE
.102 .225
.163 .453
.654 a. Dependent Variable: AbsUi
Sumber: Diolah dengan SPSS 17, 2013 Uji Glejser dilakukan dengan mergres nilai absolut residual terhadap
variabel independen. Jika variabel independen signifikan mempengaruhi nilai absolut residual berarti terjadi heterokedastisitas pada model regresi yang
digunakan. Dari Tabel 4.9 diatas, terlihat bahwa probabilitas signifikansi semua variabel independen berada diatas tingkat kepercayaan 5. Hasil ini menunjukkan
bahwa tidak ada satupun variabel independen yang mempengaruhi nilai absolut Ui AbsUi sebagai variabel dependennya. Dengan ini dapat disimpulkan bahwa
model regresi layak digunakan karena tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
4.1.4.4 Autokorelasi
Hasil uji autokorelasi dapat dilihat pada tabel 4.13 berikut ini:
Tabel 4.13 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .276
a
.076 .073
1.27289 1.801
a. Predictors: Constant, LnROE, LnDER, LnEPS, LnROI, LnPER b. Dependent Variable: LnRS
Sumber: Diolah dengan SPSS 17, 2013 Berdasarkan tabel 4.13 diatas diketahui bahwa nilai DW sebesar 1,801.
Nilai ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5, jumlah variabel independen 5 k=5 dan jumlah observasi sebanyak 51
n=51 maka dari tabel Durbin Watson akan diperoleh nilai dl sebesar 1,3431 dan nilai du sebesar 1,7701. Maka nilai DW hitung lebih besar dari batas atas du
1,7701 dan lebih besar dari dl 1,3431, berarti dl d du 1,3431 1,801 1,7701 maka dapat disimpulkan bahwa penelitian dapat mengambil kesimpulan
tidak terjadi autokorelasi negatif.
4.1.5 Pengujian Hipotesis
