Berdasarkan tabel 4.3.1 hasil uji normalitas dengan Kolmogorov- Smirnov terhadap variabel penelitian pada regresi berganda menunjukkan
bahwa distribusi data pada variabel harga saham Y, risiko perusahaan X1, leverage X2 dan ukuran perusahaan X3 mengikuti distribusi
normal karena signifikan yang dihasilkan lebih besar dari 0,05.
4.4. Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator,
artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan
regresi harus memenuhi ketiga asumsi klasik.
4.4.1. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode
t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson
Dw-Test. Suatu data observasi dikatakan tidak terjadi autokorelasi jika nilai Durbin Watson berada antara -2 hingga +2 Santoso, 2001 :219.
Tabel 4.4.2. adalah nilai Durbin-Watson yang dihasilkan dari model regresi.
Tabel 4.4.1. Hasil Uji Autokorelasi
Sumber: Lampiran 6A
Berdasarkan tabel 4.4.1 nilai DW sebesar 1,725 terletak diantara -2 sampai +2, berarti bahwa dalam persamaan regresi tidak ada
Autokorelasi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi dapat dipenuhi.
4.4.2. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adnya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2002 : 57.
Tabel 4.4.2. Hasil Uji Multikolinieritas Variabel bebas
VIF Keterangan
Risiko Perusahaan X1 1,067
Non multikolinearitas Leverage X2
1,030 Non multikolinearitas
Ukuran Perusahaan X3 1,036
Non multikolinearitas
Sumber : Lampiran 6A
Model Summary
b
.827
a
.684 .658
311.71926 1.725
Model 1
R R Square
Adjusted R Square
St d. Error of the Estimate
Durbin- Wat son
Predictors: Constant, Ukuran Perusahaan X3, Lev erage X2, Risiko Perusahaan X1
a. Dependent Variable: Harga Saham Y
b.
Berdasarkan tabel 4.4.2. menunjukkan nilai VIF kurang dari 10, sehingga tidak terjadi multikolinieritas yang tinggi. Dengan demikian
dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat dipenuhi.
4.4.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika
berbeda disebut Heteroskedastisitas Ghozali, 2002: 69. Model regresi yang baik tidak mengandung heteroskedastisitas. Pengujian
Heteroskedastisitas dilakukan dengan menggunakan metode Rank Spearman
.
Tabel 4.4.3. Hasil Uji Heteroskedastisitas Variabel Bebas
Sig. Keterangan
Risiko Perusahaan X1 0,368
Non heteroskedastisitas Leverage X2
0,167 Non heteroskedastisitas
Ukuran Perusahaan X3 0,426
Non heteroskedastisitas
Sumber : Lampiran 6B
Berdasarkan tabel 4.4.3. diketahui bahwa hasil uji heteroskedastisitas pada nilai residual variabel bebas penelitian
menunjukkan nilai signifikansi 0,05. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi.
tetapi hasil uji heteroskedastisitas ini tidak dapat dijadikan acuan, karena dalam pengujian statistik regresi linear berganda, baik Normalitas
maupun uji asumsi klasik yang terdiri dari 3 komponen pengujian yaitu autokorelasi, multikolinearitas dan heteroskedastisitas serta Uji F dan
Uji t yang masing-masing harus dinyatakan bebas.
4.4.4. Analisis dan Pengujian Hipotesis
