Uji normalitas Uji multikolinieritas

-2 -1 1 2 3 4 Regression Standardized Residual 5 10 15 20 25 Frequency Mean = 1.87E-16 Std. Dev. = 0.99 N = 147 Dependent Variable: PBV Histogram ANTM, ASBI, BBNI, EPMT, ISAT, LTLS, PTRO, SMDR, SMSM, TINS dan UNIC. Selanjutnya dengan menggunakan data hasil outlier, dilakukan analisis regresi berganda.

C. Pengujian Asumsi Klasik

Untuk mendapatkan hasil BLUE Best Linier Unbiased Estimated, maka dilakukan pengujian asumsi klasik, yaitu: uji normalitas, uji autokorelasi, uji multikolinieritas dan uji heteroskedastisitas.

1. Uji normalitas

Uji normalitas digunakan uuntuk menguji apakah dalam sebuah model regresi; variabel independen, variabel dependen ataupun keduanya mempunyai distribusi data yang normal atau tidak. Model yang paling baik adalah model yang mempunyai distribusi data yang normal atau mendekati normal Nugroho, 2005: 23. Sumber: Lampiran 3 Gambar 4.1 : Histogram Universitas Sumatera Utara 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 Expected Cum Prob Dependent Variable: PBV Normal P-P Plot of Regression Standardized Residual Sumber: Lampiran 3 Gambar 4.2 : Normal P-P Plot Dari Gambar 4.1 menunjukkan bahwa diagram batang cenderung dan berbentuk lonceng. Pada Gambar 4.2 terlihat bahwa titik-titik data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Dari hasil tersebut dapat kita simpulkan bahwa distribusi data normal atau mendekati normal. Untuk mendapatkan tingkat uji normalitas yang lebih signifikan maka dalam penelitian ini juga mengunakan Uji Statistik Nonparametrik Kolgomorov-Smirnov. Dari Tabel 4.6 diperoleh Asymp-Sig 2-tailed taraf nyata atau 0.420 0.05. Hal ini berarti data residual berasal dari distribusi normal Universitas Sumatera Utara Tabel 4.6 One Sample Kolgomorov-Smirnov Test Outlier a Test distribution is Normal. b Calculated from data. Sumber: Lampiran 3

2. Uji multikolinieritas

Uji multikolinieritas dilakukan untuk melihat ada tidaknya hubungan linier di antara variabel bebas dalam model regresi. Tabel 4.7 menunjukkan nilai VIF Variance Inflatioan Factor tidak adanya gejala multikolinieritas, yaitu: ROE 1.254; DPR 1.031 dan EAT 1.272. Jika nilai VIF 10, maka dalam model regresi ini tidak terdapat multikolinieritas. Tabel 4.7 Collinierity Statistics Model Collinearity Statistics Tolerance VIF 1 Constant ROE .798 1.254 DPR .970 1.031 EAT .786 1.272 a Dependent Variable: PBV Sumber: Lampiran 3 Unstandardized Residual N 141 Normal Parametersa,b Mean .0000000 Std. Deviation .69171562 Most Extreme Differences Absolute .074 Positive .074 Negative -.045 Kolmogorov-Smirnov Z .880 Asymp. Sig. 2-tailed .420 Universitas Sumatera Utara -2 -1 1 2 3 Regression Standardized Predicted Value -4 -2 2 4 Regression Studentized Residual Dependent Variable: PBV Scatterplot

3. Uji autokorelasi