membentuk seperti huruf S, maka menunjukkan bahwa data kita menjulur skew.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi.
Jika pada model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak
terhingga. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas adalah dengan melihat tolerance value dan VIF.
Menurut Ghozali 2005 “adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor
VIF. Batas tolerance value adalah 0,1 dan batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi
multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas.
Tabel 4.3
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant ,171
,104 1,645 ,111
EPS 3,839E-6
,000 ,055
,269 ,790 ,651 1,536
ROI 1,323
,623 ,432 2,125 ,042
,653 1,532 NPM
-,006 ,051
-,021 -,128 ,899 ,995 1,005
a. Dependent Variable: DPR
Universitas Sumatera Utara
Berdasarkan data diatas dapat dilihat bahwa tolerance value dari setiap variabel independen adalah lebih besar dari 0,10 dan
nilai VIF dari setiap variabel independen adalah lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi
tidak terjadi multikolinearitas antar variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain dalam model regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi
homokedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Menurut Ghozali 2005:105, terdapat dua
dasar pengambilan keputusan penentuan uji heteroskedastisitas.
1 Jika ada pola tertentu seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
2 Jika tidak ada pola yang jelas serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Universitas Sumatera Utara
Gambar 4.3
Sumber : Output SPSS, diolah Penulis, 2012
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta
titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi
sehingga model regresi layak dipakai untuk memprediksi variabel dependen devidend payout ratio berdasarkan masukan variabel
independen yang terdiri dari investment opportunity set, return on investment dan net profit margin.
4.2.2.4 Uji Autokorelasi