d. variabel price earning ratio PER memiliki nilai minimum terkecil 0.03
nilai maksimum terbesar 83.76, mean nilai rata-rata 20.2704 dan Standart Deviation simpangan baku variabel ini adalah 17.35604,
e. variabel return saham memiliki nilai minimum terkecil -0.63 nilai
maksimum terbesar 9.26, mean nilai rata-rata 0.4367 dan Standart Deviation simpangan baku variabel ini adalah 1.42940,
B. Hasil Uji Asumsi Klasik
1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: H
o
: data residual H
terdistribusi normal,
a
Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada
penelitian ini akan digunakan kedua cara tersebut. : data residual terdistribusi tidak normal.
a Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis
diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas.
b Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2. Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
51 Normal Parameters
a
Mean .0000000
Std. Deviation 1.41898362
Most Extreme Differences Absolute
.246 Positive
.246 Negative
-.213 Kolmogorov-Smirnov Z
1.757 Asymp. Sig. 2-tailed
.004 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,004. Dengan demikian, data pada penelitian ini tidak berdistribusi normal
karena probabilitas 0.05. Pada pengujian normalitas dengan analisis statistik dan grafik dapat ketahui
bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini
penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Menurut Ghozali 2005:32, “data yang tidak terdistribusi secara
normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau
logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi. Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji
normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak. Berikut hasil uji normalitas data setelah transformasi:
a Analisis Grafik
Gambar 4.3 Histogram
Gambar 4.4 P-Plot
b
Uji Statistik Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
30 Normal Parameters
a
Mean .0000000
Std. Deviation 1.27247081
Most Extreme Differences Absolute
.089 Positive
.075 Negative
-.089 Kolmogorov-Smirnov Z
.488 Asymp. Sig. 2-tailed
.971 a. Test distribution is Normal.
Dari grafik histogram dan normal probability plot pada gambar 4.3 dan gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data ke
logaritma natural Ln terlihat bahwa grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar
di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Hasil uji Kolmogorov-Smirnov pada tabel 4.3. pada penelitian ini menujukkan
probabilitas = 0,971. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,971
0,05 H
2. Hasil Uji Heteroskedastisitas