Nama : Putri Nur Salasa

Nim : 2320160014

Fakultas : Ekonomi/P2k Akuntansi

Dosen : Dr. Maryam Dunggio, ST, MM

Mata Kuliah : Statistika Bisnis

UJI NORMALITAS
 GRAFIK HISTOGRAM

Uji

normalitas berguna untuk menguji apakah dalam data Price Earning Ratio (PER) memiliki distribusi
normal atau tidak . Berdasarkan grafik diatas dapat dilihat bahwa data Price Earning Ratio (PER)
menunjukan pola tidak mengikuti distribusi secara normal. Jadi dapat diartikan data Price Earning
Ratio (PER) tidak memenuhi asumsi normalitas.
  GRAFIK P-P PLOT

Suatu data akan terdistribusi normal jika nilai probabilitas yang diharapkan adalah sama dengan nilai
probabilitas pengamatan. Berdasarkan Grafik normal probability plot diatas mengambarkan bahwa data
Price Earning Ratio (PER) menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal. Hal
ini menunjukkan bahwa data Price Earning Ratio tidak mengikuti pola distribusi normal.

Dan dapat disimpulkan dari grafik histogram dan grafik P-P plot bahwa data Price Earning Ratio (PER)
tidak memenuhi asumsi normalitas

 SKEWNESS DAN KURTOSIS

Hasil Analisis

Nilai Skewness -> 1,171 dan standard error -> 0,325

Nilai rasio Skewness = nilai skewness / standard error

=1,171/0,325

=3,603

Nilai Kurtosis -> 25,995 dan standard error -> 0,639

Nilai rasio Kurtosis = nilai kurtosis / standar error

= 25,995/0,639
 = 40,681

Berdasarkan nilai rasio skewness dan kurtosis berada diatas (+2) maka bentuk grafik distribusi data
miring ke kiri,

UJI MULTIKOLINEARITAS

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen.
Multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF. Dari tabel hasil uji diatas dapat dilihat
bahwa semua variable independen memiliki nilai tolerance > 0,1 dan nilai VIF >10, jadi dapat
disimpulkan tidak ada korelasi antar variabel bebas atau tidak terdapat masalah multikorelinearitas.

UJI AUTOKORELASI

Berdasarkan table diatas bahwa nilai Durbin Watson menunjukan nilai 2,001 dengan jumlah variable
independen sebanyak 2 (k=2) dan jumlah sampel sebanyak 54 (n=54), maka diketahui d L = 1,4464 dan du
= 1,6800. Hal tersebut menunjukan bahwa nilai 2,001 berada di antara d u < d < 4-du dimana 1,6800
< 2,001 < 2,32. Maka dari hasil tersebut dapat disimpulkan bahwa tidak ada masalah autokorelasi dalam
variable independen.
UJI HETEROKEDASTISITAS

Berdasarkan hasil output

SPSS yang dilihat pada chart
scatterplot, diketahui tidak
adanya penyebaran dari
data tersebut. Hal ini dilihat
dari plot yang tidak
menyebar dan mengumpul
sehingga membentuk pola
tertentu. Dengan demikian
dapat dikatakan bahwa data
tidak memenuhi asumsi heterokedastisitas.