adalah 4.9059 dengan nilai Standar Deviation sebesar 2.70691. Hal ini dapat diindikasikan bahwa data bervariatif dan menyebar di antara nilai
maksimum dan nilai minimum. 6.
Variabel harga saham Y memiliki sampel N sebanyak 64, dengan nilai minimum 51 dan nilai maksimum 8000. Nilai rata-rata mean harga
saham adalah 919.9688 dengan nilai Standar Deviation sebesar 1518.48572. Hal ini dapat diindikasikan bahwa data bervariatif dan
menyebar di antara nilai maksimum dan nilai minimum.
4.2.2 Hasil Uji Asumsi Klasik
Salah satu syarat yang mendasari penggunaan model regresi berganda adalah dipenuhinya semua asumsi klasik agar hasil pengujian bersifat efisien
dan tidak bias. Menurut Ghozali 2011:123, asumsi klasik yang harus dipenuhi adalah berdistribusi uji normalitas, uji multikolonieritas, uji
heteroskedastisitas dan uji autokorelasi.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.
Pengujian ini diperlukan karena untuk melakukan uji t dan uji F perlu mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Pengujian normalitas dalam penelitian ini menggunakan dua metode yang secara umum digunakan oleh penelitian lainnya, yaitu
analisis statistik dengan menggunakan uji non-parametrik Kolmogorov-
Smirnov K-S dan analisis grafik yang terdiri dari histogram dan normal probability plot.
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S dengan membuat
hipotesis: 1.
Jika Z
hitung
Kolmogrov Smirnov Z
tabel
1,96 atau angka signifikan signifikansi α 0,05 maka distribusi data dikatakan normal.
2. Jika Z
hitung
Kolmogrov Smirnov Z
hitung
1,96 atau angka signifikansi signifikansi α 0,05 maka distribusi data dikatakan
tidak normal.
Tabel 4.8 Uji Normalitas Data Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a
Mean .0000000
Std. Deviation 1.49206835E3
Most Extreme Differences Absolute
.263 Positive
.263 Negative
-.212 Kolmogorov-Smirnov Z
2.102 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber Data : SPSS 16 diolah Peneliti, 2014
Dari hasil uji Kolmogorov-Smirnov, dapat dilihat bahwa variabel penelitian ini memiliki data yang tidak terdistribusi secara normal karena
terlihat bahwa nilai Asymp. Sig 0,000 signifikansi 0,05. Oleh karena
itu, perlu dilakukan treatment terhadap data yang tidak terdistribusi secara normal tersebut agar data menjadi normal. Ghozali 2011:35
menyatakan “bahwa ada beberapa cara untuk menjadikan distribusi data menjadi normal yaitu dengan cara transformasi data”. Peneliti melakukan
cara transformasi data agar data yang tidak normal tersebut dapat menjadi normal. Caranya adalah dengan melakukan Logaritma Natural
LN terhadap variabel yang tidak terdistribusi secara normal tersebut. Hasil uji normalitas dengan menggunakan tes Kolmogorov-Smirnov K-
S setelah data ditransformasi adalah seperti yang terlihat pada Tabel 4.9 berikut :
Tabel 4.9 Tabel Uji Normalitas Data Setelah Di Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 31
Normal Parameters
a
Mean .0000000
Std. Deviation .57904373
Most Extreme Differences Absolute
.150 Positive
.150 Negative
-.144 Kolmogorov-Smirnov Z
.837 Asymp. Sig. 2-tailed
.485 a. Test distribution is Normal.
Sumber Data : SPSS 16 diolah Peneliti, 2014 Tabel 4.9 menunjukan bahwa hasil pengujian statistik dengan
model kolmogrov-smirnov adalah data terdistribusi normal karena nilai Asymp. Sig 0,485 nilai signifikan 0,05 dan Z
hitung
Kolmogrov Smirnov
0,837 Z
tabel
1,96. Selain dengan menggunakan uji Kolmogrov- Smirnov K-S uji normalitas lainnya adalah uji grafik histogram dan uji
grafik PP Plots. Dasar pengambilan keputusannya : 1.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas. 2.
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Berikut ini merupakan pengujian hasil normalitas data dalam
bentuk grafik histogram seperti yang terlihat pada gambar 4.1 berikut :
Gambar : 4.1 Uji Normalitas Histogram
Sumber Data : SPSS 16 diolah Peneliti, 2014
Berdasarkan grafik Histogram pada gambar 4.1 dapat disimpulkan bahwa tidak terlalu menceng, baik ke kanan maupun ke kiri
setelah data ditransformasikan dengan menggunakan Logaritma Natural LN, pada grafik normal PP Plots terlihat titik-titik menyebar di sekitar
garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Berikut ini merupakan pengujian hasil normalitas data dalam
bentuk kurva PP Plots seperti yang terlihat pada gambar 4.2 berikut :
Gambar 4.2 Uji normalitas Normal Probability Plot
Sumber Data : SPSS 16 diolah Peneliti, 2014 Berdasarkan kurva PP-Plos pada gambar 4.2 setelah data
ditransformasikan dengan menggunakan Logaritma Natural LN, pada grafik normal PP Plots terlihat titik-titik menyebar di sekitar garis
diagonal, serta penyebarannya mengikuti arah garis diagonal.
4.2.2.2 Uji Multikolinieritas