Uji Autokolerasi Uji Asumsi Klasik

untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk mendiagnosis adanya gangguan autokolerasi dalam model dapat dilakukan dengna menggunakan Durbin Watson DW test. Kriteria yang menunjukkan tidak terjadi autokolerasi adalah sebagai berikut: Tabel 4.5 Pengambilan Keputusan Durbin Watson Hipotesis Nol Keputusan Jika Tidak ada autokolerasi positif Tolak 0 d dl Tidak ada autokolerasi positif No decision dl ≤ d ≤ du Tidak ada autokolerasi negatif Tolak 4 – dl d 4 Tidak ada autokolerasi negatif No decision 4 – du ≤ d ≤ 4 – dl Tidak ada autokolerasi, positif atau negatif Tidak ditolak du d 4 – du Sumber: Ghozali 2006:96 n jumlah sampel = 47 k jumlah variabel bebas = 4 Pada tingkat signifikansi 5 diperoleh du = 1, 66923 dan dl = 1,39894 du d 4 – du = 1, 66923 2,258 2,33077 memenuhi kriteria Tabel 4.6 Pengujian Autokolerasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .525 a .276 .205 .98120 2.258 a. Predictors: Constant, Lag_LNroe, Lag_LNukuranperusahaan, Underwriter, Lag_LNleverage b. Dependent Variable: Lag_LNunderpricing Sumber: Output SPSS 22.0, diolah penulis 2015 Berdasarkan Tabel 4.6 menunjukkan bahwa tidak ada autokorelasi positif atau negatif berarti hipoetsis nol diterima sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.

4.2.3. Analisis Regresi

Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 22.0, maka diperoleh hasil sebagai berikut. a. Persamaan Regresi Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, yaitu pengaruh LNukuranperusahaan X 1 , Undewriter X 2 dan LNleverage X 3 terhadap LNunderpricing Y. Hasil regresi dapat dilihat pada Tabel 4.7 berikut ini: Tabel 4.7 Hasil Analisis Regresi Linear Berganda