e. Apabila hasil pengujian normalitas data menunjukkan semua data terdistribusi normal maka pengujian hipotesis akan menggunakan alat
analisis statistik parametrik yaitu uji paired sample T-test. Sebaliknya apabila hasil pengujian normalitas data menunjukkan tidak terdistribusi
normal, maka pengujian hipotesis akan menggunakan alat analisis non parametrik, yaitu uji wilcoxon.
4. Analisis Pengaruh Pengumuman Right Issue dan Asimetri informasi
Terhadap Cost of Equity Capital.
Metode yang digunakan dalam penelitian ini adalah analisis regresi berganda. Pendekatan Ordinary Least Square OLS digunakan untuk melaksanakan
regresi agar regresi tersebut dapat digunakan untuk memperkirakan atau meramal nilai variabel terikat Y. Oleh karena itu, perlu dilakukan uji asumsi-
asumsi klasik yang diperlukan untuk OLS sebagai berikut:
a. Uji Normalitas
Untuk menguji apakah dalam sebuah model mempunyai distribusi data normal atau tidak. Model yang baik adalah distribusi data normal atau
mendekati. Untuk mengetahui apakah model itu mengalami masalah normalitas atau tidak, dapat dideteksi dengan melihat penyebaran data
pada sumbu diagonal dari grafik. Dasar pengambilan uji normalitas adalah:
1. Jika data menyebar disekitar garis diagonal dan meliputi arah garis diagonal, maka model diasumsikan normal.
2. Jika data menyebar jauh dari garis normal atau tidak mengikuti arah garis diagonal, maka model diasumsikan tidak normal.
Uji kolmogorov-Smirnov adalah uji normalitas data sebelum pelaksanaan pengujian hipotesis yang juga merupakan ukuran ketepatan goodness of
fit suatu distribusi frekuensi teoritis frekuensi harapan. Nilai
kolmogorov-smirnov dihitung dalam pengujian statistik diberi simbol D
n
yang dapat diperoleh dengan menggunakan formula sebagai berikut:
o e
F F
Max Dn
− =
Dn adalah deviasi absolut tertinggi berupa selisih antara frekuensi harapan fe dan frekuensi observasi fo.
Untuk menguji normalitas data, ada ketentuan yang perlu diperhatikan, yaitu: wijaya 2003:13 dalam Fithrory 2005: 32 dalam Muharani 2008:47
1. H : Data terdistribusi dengan normal
H
1
: Data terdistribusi dengan tidak normal 2. Taraf nyata adalah 0,05
3. Wilayah kritis adalah D
n
0,05 Kriteria pengujian:
H diterima jika P-value significant
α 0,05 yang berarti data terdistribusi normal.
b. Uji Asumsi Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu
εt pada periode tertentu dengan variabel pengganggu periode sebelumnya
ε
t-1
Bhuono, 2005:59.
Model regresi berganda terbebas dari autokorelasi. Pada umumnya autokorelasi banyak terjadi pada data time series.
Untuk mendeteksi ada tidaknya autokorelasi, dapat dilakukan melalui uji Durbin-Watson. Aturan main untuk menggunakan uji Durbin-Watson
adalah dengan membandingkan nilai Durbin-Watson dengan tabel Durbin- Watson.
Dalam tabel Durbin-Watson terdapat nilai batas atas upper bound atau du dan nilai batas atas lower bound atau dl. Adapun kriteria yang
diberlakukan untuk menjadi patokan adalah sebagai berikut Ghozali, 2005:96:
1. Apabila 0 d dl, maka terdapat autokorelasi positif 2. Apabila dl d du, maka tidak ada keputusan mengenai keberadaan
autokorelasi. 3. Apabila du d 4 –du, maka tidak ada autokorelasi.
4. Apabila 4-du d 4-dl, maka tidak ada keputusan mengenai keberadaaan autokorelasi.
5. Apabila 4-dl d 4, berarti terdapat autokorelasi negatif.
sumber: Bhuono, 2005:60
Gambar 2. Kriteria uji autokorelasi
c. Uji Asumsi Multikolinieritas
