xxxviii
Tabel 4.4 UJI NORMALITAS II
One-Sample Kolmogorov-Smirnov Test
290 240
1,0439 ,7089
,31395 ,34409
,077 ,084
,077 ,084
-,045 -,083
1,289 1,276
,072 ,077
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed SQRTBS2
SQRTRS2
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Output SPSS Dari data transformasi kedua yang diolah untuk beta saham memberikan
nilai K- S 1,289 dengan probabilitas 0,072 diatas α = 0,05 jadi dapat disimpulkan
data beta saham berdistribusi normal. Begitu juga dengan uji K-S untuk return saham menghasilkan nilai K-
S 1,276 dengan probabilitas 0,77 diatas α = 0,05 jadi dapat disimpulkan data return saham berdistribusi normal.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik adalah untuk menguji model analisis yang digunakan. Metode regresi ordinary least square akan menghasilkan persamaan
yang baik apabila memenuhi pengujian sebagai berikut :
1. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen beta saham dan return
saham. Dengan program SPSS 12.00 multikolinieritas dapat dilihat dari nilai
tolerance dan lawannya serta variance inflation factor VIF.
xxxix Adapun pengujian multikolinieritas pada penelitian ini didasarkan pada
nilai VIF dan nilai tolerancenya. Hasil perhitungan multikolinieritas dapat dilihat pada tabel di bawah ini:
Tabel 4.5 PENGUJIAN MULTIKOLINEARITAS
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-,861 ,081
-10,646 ,000
SQRTRS2 ,142
,097 ,131
1,463 ,145
,638 1,569
SQRTBS2 -,199
,090 -,197
-2,200 ,029
,638 1,569
a Dependent Variable: Biaya Modal Ekuitas
Sumber: Output SPSS Dari tabel diatas dapat dilihat nilai Tolerance menunjukkan tidak ada
variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil
perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10.
jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi.
2. Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan jika berbeda disebut heteroskedastisitas.
Modal regresi
yang baik
adalah tidak
terjadi heteroskedastisitas.
xl Heteroskedastisitas pada model regresi dilakukan pengujian dengan menggunakan
uji Park. Untuk pengujian dengan menggunakan metode Park di ketahui dengan
nilai residu yang sudah diabsolutkan diregresikan dengan masing- masing variabel bebas, dan selanjutnya melakukan uji t, jika hasil p value 0,05 , maka telah
terjadi heteroskedastisitas, demikian pula sebaliknya. Setelah nilai residu diregresikan dengan masing-masing variabel bebas
berikut hasil masing-masing uji t nya :
Tabel 4.6 PENGUJIAN HETEROSKEDASTISITAS
Coefficients
a
,233 ,071
3,292 ,001
-,206 ,085
-,216 -2,417
,290 ,078
,079 ,088
,985 ,326
Constant SQRTRS2
SQRTBS2 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardiz ed Coefficients
t Sig.
Dependent Variable: Park a.
Sumber : Output SPSS Berdasarkan tabel di atas dengan jelas menunjukkan nilai signifikansi
kedua variabel jauh diatas α = 0,05 yaitu 0.290 dan 0,326. Hal ini berarti bahwa dalam variabel Beta Saham dan Return Saham tidak terjadi heteroskedastisitas.
3. Uji Autokolerasi
