data titik pada normal P Plot of Regression Standardized Residual variabel independen, dimana:
a. jika data menyebar di sekitar garis diagonal dan mengikut arah garis diagonal, maka model regresi
memenuhi asumsi normalitas, b. jika data menyebar jauh dari garis diagonal dan
atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal.
3.6.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel
independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya Erlina, 2012:103. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen. Untuk melihat ada atau tidaknya
multikolinieritas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF.
Batasan yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau VIF 10
Ghozali, 2005.
Universitas Sumatera Utara
3.6.1.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari
residual satu pengamatan ke pengamatan yang lain. Erlina 2012:106 menyatakan, “jika varian dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika berbeda disebut
heterokedastisitas. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas. Uji heterokedastisitas dapat
dilakukan dengan melihat grafik Scatterplot antar nilai prediksi variabel independen dengan nilai residualnya.
Dasar analisis yang dapat digunakan untuk menentukan heterokedastisistas, antara lain:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,
melebar, kemudian menyempit, maka mengindikasikan heterokedastisitas,
2. jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y,
maka tidak terjadi heterokedastisitas Ghozali, 2005:105.
Universitas Sumatera Utara
3.6.1.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan
penganggu pada periode t dengan kesalahan pada periode t- 1 atau sebelumnya Erlina, 2012:107. Masalah timbul
karena residual atau kesalahan pengganggu tidak bebas dari observasi ke observasi lainnya. Hal ini paling sering
ditemukan pada data runtut waktu atau time series karena “gangguan” pada seorang individukelompok cenderung
mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik
adalah model regresi yang bebas dari autokolerasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang tahun yang berkaitan satu dengan sama lain. Untuk menguji ada tidaknya gejala autokorelasi maka dapat
dideteksi dengan uji Durbin-Waston DW test. Dasar pengambilan keputusan ada tidaknya
autokorelasi mengacu kepada pendapat Sunyoto 2009:91, yaitu sebagai berikut:
a angka D-W dibawah -2 berarti ada autokorelasi positif, b angka D-W diantara -2 sampai +2 berarti tidak ada
autokorelasi, c angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
3.6.2 Pengujian Hipotesis
Peneliti menggunakan metode analisis regresi linear berganda dalam menguji hipotesis dalam penelitian ini secara keseluruhan
dengan model sebagai berikut: Y = а + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e Y
= return saham а
= konstanta X
1
= earning per share EPS X
2
= price earning ratio PER X
3
= market-to-book ratio MB b
1
, b
2
, b
3
= koefisien regresi e
= variabel pengganggu Beberapa pengujian terhadap hipotesis yang diajukan di dalam
penelitian ini adalah uji koefisien determinasi, uji signifikansi simultan dan uji signifikansi parsial.
3.6.2.1 Uji Koefisien Determinasi
�
�
Uji koefisien determinasi digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen
yang diteliti terhadap variasi naik turunnya variabel dependen atau dengan kata lain untuk menguji goodness-fit
dari model regresi. Nilai R
2
koefisien determinasi berkisar antara 0 sampai 1 0
≤ R
2
≤ 1. Nilai R
2
dikatakan baik jika
Universitas Sumatera Utara
