Hasil Analisis Statstik Deskriptif Uji Normalitas

64 melihat penyebaran data titik pada sumbu diagonal dari grafik dengan dasar pengambilan keputusan sebagai berikut: 1 Jika data menyebar di sekitar garis normal dan mengikuti arah garis diagonal menunjukkan bahwa pola distribusi data normal, maka model regresi memenuhi asumsi normalitas. 2 Sebaliknya, jika data menyebar jauh dari garis diagonal dan tidak mengikuti garis diagonalnya maka dapat distribusi data tidak normal dan model regresi tidak memenuhi asumsi normalitas. Hasil uji normalitas dengan menggunakan grafik p-plot disajikan pada gambar berikut: Gambar 4.2. Grafik p-plot Dari hasil uji normalitas dengan menggunakan grafik normal probability plot dapat dilihat bahwa titik-titik data menyebar mendekati 65 dan mengikuti arah garis diagonalnya, sehingga dapat disimpulkan bahwa model regresi dalam penelitian ini memenuhi asumsi normalitas. Selain menggunakan uji normal p-plot, penelitian ini juga menggunakan uji statisti Kolmogorov-Smirnov untuk memperkuat uji normalitas data. Dalam uji Kolmogorov-Smirnov lebih dari 0,05. Berikut disajikan hasil uji Kolmogorov-Smirnov pada table 4.9: Tabel 4.9. Hasil Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test DPLK IHSG JII N 36 36 36 Normal Parameters a,b Mean .069533 .005054 .003657 Std. Deviation .0733894 .0461057 .0462468 Most Extreme Differences Absolute .213 .187 .122 Positive .137 .087 .096 Negative -.213 -.187 -.122 Kolmogorov-Smirnov Z 1.276 1.121 .733 Asymp. Sig. 2-tailed .077 .162 .655 a. Test distribution is Normal. b. Calculated from data. Dari hasil uji Kolmogorov-Smirnov tersebut dapat disimpulkan bahwa seluruh variabel memiliki distribusi normal karena nilai signifikansinya melebihi 0,05, yaitu sebesar 0,655.

c. Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Model regresi yang baik adalah regresi dengan tidak adanya gejala 66 korelasi yang kuat diantara variabel bebasnya. Pendeteksian multikolonieritas dalam penelitian ini dilakukan dengan menggunakan tolerance value dan Variance Inflatio Factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas yang dijelaskan oleh variabel bebas lainnya. Dimana nilai tolerance 0,10 dan VIF 10,0. Hasil uji multikolinearitas disajikan dalam tabel 4.11.: Tabel 4.10. Hasil Uji Multikolinearitas Berdasarkan tabel 4.10. diketahui bahwa semua variabel independen memiliki nilai tolerance lebih dari 0,1 da VIF kurang dari 10, sehingga dapat disimpulkan bahwa semua data terbebas dari multikolinearitas.

d. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Jika varians dari Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .062 .007 9.264 .000 IHSG 1.842 .421 1.157 4.374 .000 .121 8.271 JII -.535 .420 -.337 -1.275 .211 .121 8.271 a. Dependent Variable: DPLK 67 residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Sebaliknya jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak trjadi heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini dilakukan dengan uji grfik scatterplot. Gambar 4.3. Hasil Uji Heteroskedastisitas Berdasarkan gambar 4.2. dapat dilihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola yang jelas pada penyebaran data tersebut. Karena uji grafik dapat menyesatkan jika tidak diperhatikan dengan hati-hati, maka dalam penelitian ini juga digunakan uji glejser