Multikolinearitas dapat timbul jika variabel bebas saling berkorelasi satu sama lain, sehingga multikolinearitas hanya dapat terjadi pada regresi berganda. Hal ini
mengakibatkan perubahan tanda koefisien regresi serta mengakibatkan fluktuasi yang besar pada hasil regresi. Perubahan tanda koefisien regresi ini dapat mengakibatkan
kesalahan menafsirkan hubungan antara variabel sehingga keberadaan multikolinearitas ini harus diuji Levin, 1998 supaya dapat dijamin bahwa variabel independen di dalam
penelitian tidak saling berkorelasi. Pengujian dapat dilakukan dengan Colinearity Diagnostic serta partial correlation. Multikolinearitas dapat juga dilihat dari nilai
Variance Inflation Faktor VIF. Indikator yang digunakan untuk menentukan adanya multikolinearitas adalah nilai tolerance lebih kecil atau sama dengan 0,10 atau dengan
nilai VIF lebih besar atau sama dengan 10 Ghozali, 2009.
4.6.4 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Jika
varians dari variabel tetap maka disebut homoskedastisitas dan jika varians berbeda disebut heteroskedastisitas. Pengujian dilakukan dengan menggunakan Grafik Plot.
Untuk mengetahui adanya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot Ghozali, 2009. Jika diagram plot yang
dibentuk menunjukkan pola tertentu maka dapat dikatakan model tersebut mengandung gejala heteroskedastisitas.
4.6.5 Uji Autokorelasi
Universitas Sumatera Utara
Autokorelasi adalah suatu kondisi dimana variabel gangguan pada periode tertentu berkorelasi dengan variabel gangguan pada periode lain. Hal ini berarti bahwa
variabel gangguan tidak random. Keadaan autokorelasi ini dapat disebabkan oleh berbagai hal seperti kesalahan dalam menentukan model, penggunaan lag pada model,
tidak memasukkan variabel yang penting. Untuk pengujian ada tidaknya autokorelasi ini, peneliti menggunakan uji Durbin Watson. Mekanisme uji Durbin Watson adalah sebagai
berikut : 1. Melakukan regresi dengan Ordinary Least Square OLS, kemudian kita menyimpan
residualnya. 2. Menghitung nilai d dengan rumus :
D
hit
= ∑ e
t –
e
t-1
∑e
2 t
Apabila model menggunakan lag dari variabel dependen, maka test Durbin Watson yang dilakukan adalah :
H = √N
p
[1 − Nσ
t−1 2
]
2
dimana: p
= 1-12d σ2t-1 = Varian lag dari variabel dependen.
N = Banyaknya observasi.
Universitas Sumatera Utara
3. Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu, diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin Watson untuk berbagai nilai α diambil
langsung dari tabel. 4. Hipotesis yang digunakan adalah :
H0 = Tidak ada autokorelasi baik positif maupun negatif d dl = Tolak H0 ada korelasi positif
d 4 - dl = Tolak H0 ada korelasi negatif du d 4- du = Terima H0 Tidak ada autokorelasi
dl ≤ d ≤ du = Tidak dapat ditarik kesimpulan
4-du ≤ d ≤ 4-dl = Pengujian tidak dapat disimpulkan
Tidak Tahu Tidak Tahu
Korelasi Positif Tidak Ada Korelasi
Korelasi Negatif
d
L
d
U
4-d
U
4-d
L
Gambar 3.2. Daerah pengambilan keputusan tes Durbin-Watson
4
4.6.6. Pengujian Hipotesis
1. Hipotesis I
Hipotesis I adalah Komponen laporan arus kas arus kas dari aktifitas operasi, arus kas dari aktifitas investasi, dan arus kas dari aktifitas pendanaan dan dividen payout
ratio berpengaruh secara simultan dan parsial terhadap return saham perusahaan manufaktur yang tercatat di Bursa Efek Indonesia.
Universitas Sumatera Utara