R e g r e s s io n S ta n d a r d iz e d R e s id u a l
2 1
-1 -2
F re
q u
e n
c y
1 0 8
6 4
2
H is to g r a m D e p e n d e n t V a r ia b le : IH S G
M e a n = -4 .5 3 E -1 6 S td . D e v . = 0 .9 7 1
N = 3 6
C. Pengujian Asumsi Klasik
Model persamaan regresi linier berganda yang memberikan hasil yang representatif harus memenuhi kriteria Best, Linear, Unbiased, Estimated
BLUE. Oleh sebab itu, dilakukan uji asumsi dasar klasik sebelum model tersebut digunakan untuk menguji hipotesis yang diajukan. Persamaan yang
dibangun harus memenuhi asumsi dasar : data berdistribusi normal, tidak terjadi gejala multikolinearitas, tidak ada gejala autokorelasi, dan tidak terjadi
heterokedastisitas. Adapun uji asumsi dasar klasik yang dilakukan adalah sebagai berikut :
1. Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni
distribusi data dengan bentuk seperti lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data berbentuk kurva
yang memiliki keseimbangan ke kiri maupun ke kanan.
Sumber : Hasil Penelitian, 2011 data diolah Gambar 4.4 Histogram Variabel Dependen
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pe
ct ed
C um
P ro
b
1.0 0.8
0.6
0.4 0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: IHSG
Pada Gambar 4.4 terlihat bahwa variabel terikat yaitu IHSG mempunyai distribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng
ke kiri atau ke kanan. Cara lain untuk menguji normalitas data dengan grafik adalah dengan
melihat penyebaran data titik pada garis diagonal dari grafik normalitas Normal P-P Plot. Jika data menyebar disekitar garis diagonal, maka dapat
disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat
disimpulkan bahwa data tidak berdistribusi normal.
Sumber : Hasil Penelitian, 2011 data diolah Gambar 4.5 Normal P-P Plot
Pada scatter plot terlihat titik-titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 sample KS
yakni dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai Asym.sig 2-tailed taraf nyata = 0,05 maka data residual
berditribusi normal, sebaliknya jika nilai Asym.sig 2-tailed taraf nyata maka data residual tidak berdistribusi normal.
Tabel 4.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
36 .0000000
232.73008533 .091
.077 -.091
.548 .925
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Hasil Penelitian, 2011 data diolah
Pada Tabel 4.5 dapat dilihat bahwa nilai Asymp.Sig.2-tailed adalah sebesar 0,925 lebih besar dari taraf nyata = 0,05. Dengan demikian dapat
disimpulkan bahwa data residual berdistribusi normal.
2. Uji Multikolinearitas
