AbsUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0.05 sehingga dapat disimpulkan model regresi tidak
menunjukkan adanya heterokedastisitas.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah model regresi yang terbebas dari autokorelasi Ghozali, 2006 : 95. Uji
autokorelasi dapat dilakukan dengan berbagai cara, di antaranya yaitu Runs Test, uji Durbin-Watson DW Test, The Breusch-Godfrey BG Test, dan uji
Box-Pierce dan Ljung Box.
Tabel 4.5 Runs Test
Sumber : Data diolah peneliti, 2010
Runs Test
Unstandardized Residual
Test Value
a
-25.25771 Cases Test Value
28 Cases = Test Value
29 Total Cases
57 Number of Runs
30 Z
.136 Asymp. Sig. 2-tailed
.892 a. Median
Universitas Sumatera Utara
Tabel di atas menunjukkan bahwa nilai test adalah -25.25771 dengan probabilitas 0.892 yang lebih besar daripada 0.05 sehingga dapat disimpulkan
bahwa data residual random dan tidak terjadi autokorelasi antar nilai residual. Berikut ini merupakan hasil uji Durbin-Watson yang digunakan untuk
autokorelasi tingkat satu dan mensyaratkan adanya konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen.
Tabel 4.6 Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.542
a
.294 .193
250.26483 1.729
a. Predictors: Constant, PER, LTDtER, TATO, DER, ROI, CR, ROE b. Dependent Variable: H.Saham
Sumber : Data diolah peneliti, 2010
Dari hasil pengolahan data diperoleh nilai Durbin-Watson sebesar 1.729 dengan jumlah responden sebanyak 57 dan kasus sebanyak 7, maka dengan
menggunakan tingkat signifikansi 5 diperoleh nilai dl sebesar 1.3104 dan du sebesar 1.8566. Berikut ini merupakan kriteria pengambilan keputusan ada
tidaknya autokorelasi, yaitu :
Tabel 4.7 Kriteria Keputusan Autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4-dl d 4
Tidak ada korelasi negatif No decision
4-du ≤ d ≤ 4-dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak du d 4-du
Sumber : Ghozali, 2006 : 96
Universitas Sumatera Utara
Karena nilai DW sebesar 1.729 lebih besar daripada nilai dl yaitu 1.3104 dan lebih kecil daripada nilai du yaitu 1.8566, maka nilai DW berada di antara
nilai dl dan du dl ≤ d ≤ du. Dengan demiki an, berdasarkan tabel di atas dapat
ditarik kesimpulan bahwa hipotesis nol tidak ada autokorelasi positif tidak dapat ditolak ataupun diterima no decision. Karena uji DW tidak dapat
memberikan keputusan apakah data residual terkena autokorelasi atau tidak, maka akan dilakukan uji lainnya, antara lain The Breusch-Godfrey BG Test
dan uji Box-Pierce dan Ljung Box.
Tabel 4.8 BG Test
Sumber : Data diolah peneliti, 2010
Pada tabel di atas terlihat bahwa koefisien parameter untuk variabel Auto Lag menunjukkan probabilitas signifikan 0.373 di atas 0.05 berarti data
tidak terkena autokorelasi. Berikut ini merupakan uji Box-Pierce dan Ljung
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-4.033 149.746
-.027 .979
CR -2.111
14.004 -.032
-.151 .881
DER -15.459
73.292 -.060
-.211 .834
LTDtER 20.299
123.903 .027
.164 .871
TATO -11.644
512.297 -.005
-.023 .982
ROI -491.184
4208.742 -.048
-.117 .908
ROE 433.984
2098.927 .089
.207 .837
PER .430
1.143 .068
.376 .709
Auto .140
.156 .141
.899 .373
a. Dependent Variable: Unstandardized Residual
Universitas Sumatera Utara
Box yaitu uji yang digunakan untuk melihat autokorelasi dengan lag lebih dari dua.
Tabel 4.9 Box-Pierce dan Ljung Box
Sumber : Data diolah peneliti, 2010
Pada hasil statistik Box-Ljung terlihat bahwa keenambelas lag mempunyai nilai yang signifikan. Kriteria bahwa tidak terdapat autokorelasi adalah jika
jumlah lag yang signifikan lebih dari dua. Dari hasil output bagian Sig terlihat bahwa semua lag lebih besar daripada 0.05 sig 0.05. Hal ini menunjukkan
bahwa data tidak terkena autokorelasi.
Autocorrelations
Series:Unstandardized Residual Lag
Autocorrelation Std. Error
a
Box-Ljung Statistic Value
df Sig.
b
1 .130
.129 1.015
1 .314
2 .062
.128 1.250
2 .535
3 .056
.127 1.445
3 .695
4 .194
.126 3.838
4 .428
5 -.115
.124 4.687
5 .455
6 -.157
.123 6.312
6 .389
7 .058
.122 6.541
7 .478
8 .014
.121 6.555
8 .585
9 -.022
.119 6.588
9 .680
10 -.135
.118 7.883
10 .640
11 .045
.117 8.029
11 .711
12 -.030
.116 8.094
12 .778
13 -.160
.114 10.059
13 .689
14 -.105
.113 10.925
14 .692
15 .132
.112 12.323
15 .654
16 -.036
.110 12.432
16 .714
a. The underlying process assumed is independence white noise. b. Based on the asymptotic chi-square approximation.
Universitas Sumatera Utara
C. Pengujian Hipotesis