44
b. Analisis Statistik
Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan
membuat hipotesis: H
O
= Data residual berdistribusi normal. H
a
= Data residual tidak berdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
1. Apabila harga saham nilai Z uji K-S signifikan secara statistik ditolak,
yang berarti data terdistribusi tidak normal. 2.
Apabila harga saham nilai Z uji K-S tidak signifikan secara statistik maka H
O
diterima, yang berarti data terdistribusi normal.
3.9.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam
model regresi antara lain dapat dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 varians factor VIF, yaitu dengan rumus:
R
2
k = koefisien determinasi R
2
berganda ketika X
k
diregresikan dengan variable-variabel X lainnya.
Universitas Sumatera Utara
45
Batas tolerance value adalah 0,1 dan batas VIF adalah 5, di mana: tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas
tolerance value 0,1 atau Vif 10 = tidak terjadi multikolinearitas
Helmy dan Lutfi, 2014: 151.
3.9.3. Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama,
maka dikatakan ada homokedastisitas. Sedangkan jika varians tidak sama, dikatakan terjadi heteroskedastisitas Helmy dan Lutfi, 2014: 121. Pengujian
heteroskedastisitas dapat dilakukan dengan scatterplot. Apabila terlihat titik-titik menyebar secara acak tidak membentuk pola yang jelas serta tersebar baik diatas
maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastitas pada model regresi sehingga model regresi layak di pakai.
3.9.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengguna pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini
biasanya terjadi pada data time series. Karena gangguan pada satu data cenderung
Universitas Sumatera Utara
46
mengganggu data lainnya Situmorang dan Lutfi, 2014: 134. Pengujian asumsi ini, dilakukan dengan menggunakan Durbin Watson Durbin Watson Test. Model
regresi yang baik adalah regresi yang bebas dari autokorelsi. Adapun kriteria pengujiannya adalah
Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ d ≤ du
Tidak ada autokorelasi negatif Tolak
4 - dl d 4 Tidak ada autokorelasi negatif
No decision 4 -
du ≤ d ≤ 4 - dl Tidak ada autokorelasi, positif atau negatif
Tidak ditolak du d 4 - du Sumber: Situmorang dan Lutfi 2014 : 140
Keterangan : du = batas atas, dl = batas bawah. 3.10 Pengujian Hipotesis
3.10.1 Uji Hipotesis Secara Serempak Uji F
