Gambar 4.1 Hasil Uji Normal P-P Plot of Regression Standardized Residual
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec te
d 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: Harga_Saham
Sumber : Hasil Penelitian, 2010 SPSS 15.00
Berdasarikan grafik Normal P-P Plot of Regression Standardized Residual pada Gambar 4.1 dapat diketahui bahwa data berdistribusi
normal, karena data menyebar di sekitar garis diagonal. Menurut Situmorang dkk, 2008:58-59, bahwa apabila data menyebar di sekitar
garis diagonal maka regresi memenuhi asumsi normalitas atau berdistribusi normal.
b. Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Untuk mengetahui apakah terjadi atau tidak terjadi heterokedastisitas dalam model regresi
penelitian ini, analisis yang dilakukan yaitu dengan metode informal.
Universitas Sumatera Utara
Metode informal dalam pengujian heterokedastisitas yaitu metode Scatterplot.
Gambar 4.2 Hasil Scatterplot
Regression Standardized Predicted Value
2 1
-1
R e
g re
s s
io n
S tu
d e
n ti
ze d
R e
s id
u a
l
2 1
-1 -2
Scatterplot Dependent Variable: Harga_Saham
Sumber : Hasil Penelitian, 2010 SPSS 15.00
Berdasarkan grafik Scatterplot dalam Gambar 4.2 diatas, maka dapat
diketahui bahwa model tidak terkena heterokedastisitas karena data penelitian yang berbentuk titik-titik tidak membentuk suatu pola.
Menurut Situmorang dkk, 2008-68, bahwa model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Jadi, model regresi linier berganda yang didapat memenuhi asumsi homokedastisitas atau tidak terkena heterokedastisitas.
c. Uji Autokorelasi
Uji ini digunakan untuk mengetahui apakah terdapat hubungan antara serangkaian observasi yang diurutkan menurut waktu seperti dalam
data deret waktu atau ruang seperti data cross section. Dalam
Universitas Sumatera Utara
penelitian ini, metode yang dilakukan untuk menguji ada atau tidaknya autokorelasi dalam suatu model regresi yaitu dengan melakukan
Durbin-Watson Test DW yang diberi simbol d. Tabel 4.7
Hasil Durbin-Watson Test
Model Summary
b
.530
a
.281 .204
4082.30505 2.051
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Inflas i, Nilai_Tukar, Suku_Bunga a.
Dependent Variable: Harga_Saham b.
Sumber : Hasil Penelitian, 2010 SPSS 15.00
Pada hasil Durbin-Watson Test pada Tabel 4.7 maka dapat diketahui
bahwa nilai d yaitu sebesar 2,051. Nilai d akan dibandingkan dengan nilai dl dan du pada n = 32 dan k = 3 jumlah variabel bebas
d = 2,051
dl = 1,65
du = 1,24
Sesuai dengan Tabel 1.6 pada BAB I, maka apabila du d 4- du maka dapat disimpulkan bahwa model regresi tidak terkena
autokorelasi positif maupun negatif. = 1,24 2,051 4 – 1,24
= 1,24 2,051 3,24 Selain Durbin-Watson Test dilakukan untuk mengetahui ada atau
tidaknya autokorelasi dalam model regresi, dapat digunakan pula The Runs Test.
Universitas Sumatera Utara
Tabel 4.8 Hasil The Runs Test
Ru ns T est
7578.5000 16
16 32
16 -.180
.857 Test V alue
a
Cases Test V alue Cases = Test Value
Total Cases Number of Runs
Z As ymp. Sig. 2-tailed
Harga_ Saham
Median a.
Sumber : Hasil Penelitian, 2010 SPSS 15.00
Pada hasil The Runs Test pada Tabel 4.8 dapat diketahui bahwa model regresi tidak terkena model autokorelasi karena Asymp. Sig. 2-tailed
sebesar 0,857 lebih besar dari signifikansi 5 0,857 0,05.
d. Uji Multikolinearitas
