Dari tabel hasil uji normalitas di atas terlihat bahwa semua variabel berdistribusi normal, hal ini dapat dilihat dari signifikansi Kolmogorov-Smirnov test
sebesar 0,296 yaitu lebih besar dari 0,05.
2. Hasil Uji Multikolonieritas
Pengujian multikolonieritas pada penelitian ini dilakukan dengan melihat nilai collinearity statistics dan nilai koefisien korelasi diantara variabel bebas. Hasil
pengujian terlihat pada Tabel 4.4. sebagai berikut :
Tabel 4.4 Hasil Uji Multikolonieritas
Coefficients
a
.426 2.348
.288 3.467
.528 1.895
.155 6.456
.821 1.217
.365 2.743
.547 1.829
ROA DER
EPS LgROE
BETA LgPER
LgBV Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Harga Saham a.
Sumber : Hasil Penelitian, 2007 data diolah
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent variable. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolonieritas terjadi apabila 1 nilai tolerance Tolerance 0.10 dan 2
variance inflation factor VIF 10. Berdasarkan Tabel 4.4. terlihat nilai VIF untuk variabel ROA, LgROE, DER, LgPER, EPS, LgBV dan Beta lebih kecil dari 10.
Sedangkan nilai tolerance nya lebih besar dari 0.10. Hal ini menunjukkan bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi atau tidak ditemukan
adanya korelasi antara variabel bebas, sehingga model tidak mengandung multikolonieritas.
3. Hasil Uji Heteroskedastisitas
Pendeteksian masalah
heteroskesdastisitas dalam model regresi dilakukan dengan menggunakan grafik plot antara nilai prediksi variabel terikat dependent
variable. Jika pada grafik terdapat pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Dan apabila tidak ada pola yang
jelas, maka tidak terjadi heteroskedastisitas pada model.
4 3
2 1
-1 -2
Regression Studentized Residual
2 1
-1 -2
-3 -4
Re gr
es si
on S
ta n
d ar
d ize
d Pr
ed ic
te d
Va lu
e
Dependent Variable: Harga Saham Scatterplot
Gambar 4.3. Scatterplot Heteroskedastisitas
Dari Gambar 4.3. scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 nul pada sumbu Y. Hal ini
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi harga saham berdasarkan
masukan variabel bebas independent ROA, LgROE, DER, LgPER, EPS, LgBV dan Beta.
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit
jumlah pengamatan semakin sulit menginterprestasikan hasil grafik plot. Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil. Uji statistik
yang digunakan adalah uji Park. Uji ini dilakukan dengan menguadratkankan nilai residual U
2
i dari model kemudian kuadrat nilai residual dilogaritmakan LnU
2
i. Kemudian nilai logaritma dari kuadrat residual dimasukkan sebagai variabel terikat
dalam persamaan regresi yang baru. Jika koefisien parameter beta dari persamaan regresi tersebut tidak signifikan secara statistik, maka dapat dikatakan tidak terdapat
heteroskedastisitas dalam model penelitian Ghozali, 2005.
Tabel 4.5 Hasil Uji Heteroskedastisitas
Coefficients
a
2.773 1.131
2.452 .027
-.055 .071
-.336 -.776
.450 .257
3.886 .627
.629 .715
.996 .335
.093 10.698
-.005 .004
-.761 -1.130
.276 .106
9.419 -.112
.317 -.116
-.355 .727
.452 2.213
-.008 .007
-.483 -1.171
.260 .283
3.532 .004
.002 .552
1.722 .106
.469 2.130
-.088 .514
-.074 -.171
.867 .255
3.925 Constant
ROA LgROE
DER LgPER
EPS BETA
LgBV Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: LnU2iii a.
Sumber : Hasil Penelitian, 2007 data diolah
Hasil uji Park dapat dilihat pada Tabel 4.5, yang menunjukkan bahwa semua koefisien parameter beta untuk variabel bebas tidak ada yang signifikan, maka dapat
disimpulkan bahwa pada model regresi tidak terdapat heteroskedastisitas. Hal ini konsisten dengan hasil uji scatterplots.
4. Hasil Uji Autokorelasi