dari EVA adalah 11.674.228.407.501,9820 dengan standar deviasi sebesar 74.344.142.143.062,02000. Jumlah data yang digunakan adalah sebanyak 87.
6. Variabel Harga Saham Y memiliki nilai minimum sebesar Rp 140 dan nilai maksimum sebesar Rp 1.200.000. Rata-rata dari harga saham adalah
48.061,9100 dengan standar deviasi sebesar 161.299,06886. Jumlah data yang
digunakan adalah sebanyak 87.
4.2.2 Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Model regresi berganda harus memenuhi asumsi-asumsi yang ditetapkan agar menghasilkan nilai yang tidak bias.
4.2.2.1 Uji Normalitas
Uji data statistik dengan menggunakan model Kolmogrov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal
atau tidak. Variabel economic value added diubah dalam bentuk logaritma natural agar nilai antarvariabel dapat seimbang sehingga tidak mengalami
hambatan dalam proses pengujian. Uji Kolmogrov-Smirnov dapat dilihat sebagai berikut:
a. Nilai signifikan atau probabilitas 0,05, maka distribusi data tidak normal.
Universitas Sumatera Utara
b. Nilai sigifikan atau probabilitas 0,05, maka distribusi data normal.
Hasil uji normalitas dengan menggunakan model Kolmogrov-Smirnov adalah sebagai berikut:
Tabel 4.3 Pengujian normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
84 Normal Parameters
a,b
Mean .0000000
Std. Deviation .81341270
Most Extreme Differences Absolute
.100 Positive
.100 Negative
-.088 Kolmogorov-Smirnov Z
.912 Asymp. Sig. 2-tailed
.376 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS, diolah penulis 2015
Dari tabel diatas, besar Kolmogrov-Smirnov K-S adalah 0,912 dan signifikan pada 0,376. Nilai signifikan lebih besar dari 0,05 maka H
diterima yang berarti data residual berdistribusi normal. Selain itu, cara yang dilakukan
untuk melihat normalitas adalah menggunakan grafik histogram dan normal probability plot. Grafik histogram membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Dalam normal probability plot, jika distribusi data residual normal maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya.
Universitas Sumatera Utara
Gambar 4.1
Sumber : output SPSS, diolah penulis 2015
Gambar 4.2
Sumber : output SPSS, diolah penulis 2015
Universitas Sumatera Utara
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melakukan uji apakah terdapat korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak
menunjukkan adanya korelasi diantara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai dari Varance Inflation Factor
VIF 10 dan nilai Tolerance 0,10. Uji multikolinearitas menunjukkan hasil seperti pada tabel berikut:
Tabel 4.4
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant -.222
2.460 -.090
.928 Pertumbuhan
penjualan -.357
.361 -.093
-.988 .326
.870 1.150
Ukuran Perusahaan
.026 .037
.064 .696
.488 .916
1.091 EPS
8.968E-5 .000
.638 6.642
.000 .836
1.196 DER
.031 .012
.237 2.654
.010 .966
1.035 EVA
.100 .086
.104 1.168
.247 .976
1.024 a. Dependent Variable: Harga Saham
Sumber: Output SPSS, diolah penulis 2015 Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari
masing-masing variabel independen lebih besar 0,10, yaitu untuk variabel pertumbuhan penjualan sebesar 0,870, variabel ukuran perusahaan sebesar 0,916,
variabel Earning per Share sebesar 0,836, variabel Debt to Equity Ratio sebesar 0,966, dan variabel Economic Value Added sebesar 0,976.
Universitas Sumatera Utara
Nilai VIF dari masing-masing variabel independen kurang dari 10, yaitu untuk variabel pertumbuhan penjualan sebesar 1,150, variabel ukuran perusahaan
sebesar 1,091, variabel Earning per Share sebesar 1,196, variabel Debt to Equity Ratio sebesar 1,035, dan variabel Economic Value Added sebesar 1,024. Dengan
demikian dapat
disimpulkan bahwa
penelitian ini
tidak mengalami
multikolinearitas.
4.2.2.3 Uji Heterokedastisitas
