4.2. Pengujian dan Hasil Analisis Data
4.2.3. Uji Asumsi Klasik
1. Uji Normalitas
Uji Normalitas merupakan alat uji yang digunakan untuk mengetahui apakah data pada suatu penelitian berdistribusi normal atau tidak normal. Berikut merupakan hasil output dari pengolahan data SPSS 16.0 uji normalitas pada tabel dan gambar berikut:
Tabel 4.8 Hasil Uji Normalitas
Sumber data : Data yang diolah tahun 2017
Berdasarkan tabel 4.8 dengan uji statistik non-parametic Kolmogorov-Smirnov diperoleh nilai Asymp. Sig = 0,03 < 0,05 , yang artinya nilai Asymp. Sig lebih besar dari nilai standar nilai 0.05 maka dapat disimpulkan bahwa data berdistribusi tidak normal.
Untuk hasil dari uji Gambar P Plot.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 46
Normal Parametersa Mean .0000000
Std. Deviation 4.41754046E3
Most Extreme
Differences
Absolute .266
Positive .266
Negative -.121
Kolmogorov-Smirnov Z 1.801
Asymp. Sig. (2-tailed) .003
a. Test distribution is Normal.
Gambar 4.1
Gambar P-Plot Of Regression Standardzed Residual Tidak Normal
Pada gambar diatas menunjukan bahwa titik-titik penyebaran datacukup jauh mengikuti alur garis diagonal yang berarti data terdistribusi tidak normal.
Maka dari itu diperlukan transformasi data variabel dependen dan independen menjadibentuk logaritma natural (dikuadratkan), langkah selanjutnya yaitu dengan cara membuat persamaan regresi menjadi dikuadratkan baik variabel dependen maupun variabel independenya.
Berikut ini meupakan hasil dari transformasi data statistik pada test atau pengujian uji Normalitas suatu data dengan menggunakan aplikasi SPSS 16.0 for windows dan menggunakan uji tes Sample Kolmogrorov - Smirnov Test :
Tabel 4.9
Hasil Uji Normalitas setelah data di transformasi
One-Sample Kolmogorov-Smirnov Test
Unstan dardi zed Resi dual
N 46
Normal
Parametersa Mean .00000
00 Std. Deviation 27.021
7540 2 Most Extreme
Differences Absolute .147
Positive .147
Negative -.116
Kolmogorov-Smirnov Z .997
Asymp. Sig. (2-tailed) .274
a. Test distribution is Normal.
b. Calculated from data
Berdasarkan tabel 4.8 dengan uji statistik non-parametic Kolmogorov-Smirnov diperoleh nilai Asymp. Sig = 0,274 > 0,05 , yang artinya nilai Asymp. Sig lebih besar dari nilai standar nilai 0.05 maka dapat disimpulkan bahwa data berdistribusi normal.
Gambar 4.2
Gambar P-Plot Of Regression Standardzed Residual Normal
Pada tabel tersebut data titik -titik lebih memdekati ke garis diagonal yang berarti data terdistribusi dengan normal dan penelitian dapat dilanjutkan dengan uji berikut nya.
2. Uji Multikolinieritas
Uji Mutikolinieritas memiliki tujuan untuk menguji suatu penelitian apakah suatu model penelitian pada model regresi memiliki korelasi antara variabel bebas (variabel independen). Suatu model regresi penelitian yang baik tidak terjadi atau memiliki korelasi antar variabel bebas (variabel independen), untuk mendeteksi ada tidaknya multikolinieritas pada model regresi dengan cara melihat pada tabel hasil olahan data SPSS nilai tolerance dan Variance Inflation Factor (VIF). Apabila nilai tolerance pada data hasil olahan SPSS > 0,1 dan nilai VIF pada tabel hasil data olahan <10, maka dapat diambil kesimpulan bahwa dalam penelitian ini tidak terdapat multikolinieritas antar variabel bebas pada model regresi tersebut. Berikut merupakan hasil perhitungan dengan menggunakan program SPSS yang dapat di lihat pada tabel berikut :
Tabel 4.10
Hasil Uji Multikolinieritas Coefficientsa
Model
B Std. Error Beta Toleranc
e VIF
1 (Constan
t) -286.857 1101.260 -.260 .796
NPM 549.597 212.288 .572 2.589 .013 .392 2.549
ROI
-56866.63 0
36196.41
6 -.681 -1.571 .124 .102 9.792
ROE 26453.53
9 14967.63
3 .621 1.767 .085 .155 6.434
DER 5.924 17.536 .048 .338 .737 .953 1.050
a. Dependent Variable: Harga Saham Sumber data : data diolah tahun 2022
Berdasarkan tabel 3, dapat dilihat bahwa setiap variabel bebas (variabel dependen) memilki nilai tolerance > 0,1 dan nilai VIF < 10, maka dapat diambil kesimpulan bahwa hasil pada uji ini data yang digunakan sebagai penelitian tidak terjadi multikolinieritas santara variabel independen (variabel bebas)
Nilai tolerance pada setiap variabel bebas/ independen adalah sebagai berkut : Net Profit Margin (NPM) sebesar 0,392; Return On Investment (ROI) sebesar 0,102; Return On Equity sebesar (ROE) 0,155; dan Debt to Equity Ratio (DER) sebesar 0,953. Sedangkan Nilai VIF masing-masing variabel bebas/
independen adalah sebagai berikut : Net Profit Margin (NPM) sebesar 2,549 ; Return On Investment (ROI) sebesar 9,792; Return On Equity sebesar (ROE) 6,343;
dan Debt to Equity Ratio (DER) sebesar 1,050.
3. Uji Heterokedatisitas
Uji heterokedatisitas dilakukan memiliki tujuan yaitu untuk menguji apakah dalam suatu model regresi penelitian ini terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika nilai variance dari residual suatu penelitian ke penelitian lain tetap , maka disebut homokedastisitas, dan jika hasil uji penelitian berbeda disebut heterokedastisitas.
Untuk menganalisis lebih lanjut data tersebut pada uji kali ini menggunakan bantuan program aplikasi SPSS 16.0 for windows dengan menggunakan teknik Scatterplot, data output berupa diagram Scatterplot sebagai berikut :
Gambar 4.3
Hasil Uji Heterokedastisitas
Dari grafik diatas dapat diketahui bahwa titik-titik menyebar dan tidak emmbentuk pola tertentu dan titik tersebut berada diatas dan dibawah angka 0 Pada sumbu Y.
4. Uji Autokorelasi
Uji Autokorelasi merupakan salah satu alat yang menggunakan uji Durbin Watson (DW test). Tabel 4 berikut ini merupakan tabel dari dengan
menggunakan alat bantu uji SPSS 16 for windows. Berikut merupakan hasil dari uji autokorelasi pada penelitian ini :
Tabel 4.11 Hasil Uji Autokorelasi Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .591a .349 .284 1.15929 1.755
a. Predictors: (Constant), LNDER_1, LNROE_1, LNNPM_1, LNROI_1 b. Dependent Variable: LN HS_1
Sumber data : Data diolah 2022
Dasar pengambilan keputusan ada tidaknya autokorelasi yaitu dengan melihat tabel Durbin Watson, dengan kriteria -kriteria sebagai berikut :
1. Jika nilai pada tabel hasil uji autokorelasi (nilai d), 0 < d < dL, berarti pada data tersebut memiliki autokorelasi positif
2. Jika nilai pada tabel hasil uji autokorelasi (nilai d) 4-dL < d < 4, berarti pada data tersebut memiliki autokorelasi negatif.
3. Jika nilai pada tabel hasil uji autokorelasi (nilai d) 2 < d <4-dU atau dU < d <
2 ,memiliki arti bahwa tidak ada autokorelasi negatif maupun autokorelasi positif
4. Jika nilai pada tabel hasil uji autokorelasi (nilai d) dL ≤ d ≤ dU atau 4-dU ≤ d
≤ 4-dL, pengujian tidak meyakinkan. Disarankan untuk menambah variabel maupun mengganti variabel penelitian.
Berdasarkan tabel hasil dari nilai Durbin Watson (k,N) jadi (4,46) dimana pada penelitian ini nilai k adalah jumlah variabel independen dan nilai 46 adalah jumlah sampel penelitian yang digunakan dalam penelitian ini. Dalam tabel hasil nilai Durbin Watson diperoleh nilai dL dan dU sebesar 1,3448 dan 1,7201 . Maka dapat dihitung nilai autokorelasin pada penelitian ini memiliki perhitungan dU <
d < 2 , dimana (dU) 1,7201 < (d) 1,755 < 2 , jadi dapat disimpulkan tidak terjadi autokorelasi positif maupun negatif.Maka penelitian dapat dilanjutkan ke uji berikutnya.