Sumber: Output SPSS
Gambar 4.2 Grafik Normal P-Plot
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan
bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi
terjadi multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005:58,
“deteksi multikolinieritas pada suatu model dapat dilihat, yaitu jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai tolerance
tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.”
Tabel 4.5 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN_Earning Per Share .131
7.618
Universitas Sumatera Utara
LN_Dividend Per Share .131
7.618 a. Dependent Variable: LN_Harga Saham
Sumber: Output SPSS Dari data pada tabel 4.5, dapat disimpulkan bahwa tidak terjadi gejala
multikolinieritas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen lebih besar dari 0,1 yakni sebesar
0,131 dan nilai VIF lebih kecil dari 10 yakni sebesar 7,618. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan
menggunakan model regresi berganda.
c. Uji Heteroskedastisitas
Uji heteroskedastisitias bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastistas. Menurut Nugroho 2005:62 cara memprediksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1 titik-titik data menyebar di atas, di bawah atau di sekitar angka 0,
2 titik-titik data tidak mengumpul hanya di atas dan dibawah saja,
3 penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali,
Universitas Sumatera Utara
4 penyebaran titik-titik data sebaiknya tidak berpola.
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal
ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi Harga
Saham perusahaan manufaktur yang terdaftar di BEI berdasarkan masukan variabel independen earning per share dan dividend per share.
Sumber: Output SPSS
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
d. Uji Autokorelasi