Mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat nilai tolerance dan variance inflation factor VIF, serta menganalisis matrik
korelasi variabel-variabel independen. Besarnya tingkat multikolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0.10, dan nilai Variance Inflation Factor
VIF 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.3 Coefficients
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts t
Sig. Collinearity
Statistics B
Std. Error
Beta Toleran
ce VIF
1 Consta
nt 280.127
55.396 5.057
.000 AKO
1.078 .906
.214 1.189
.240 .545
1.834 AKI
1.471 1.163
.359 1.265
.212 .219
4.562 AKP
.987 .755
.400 1.307
.197 .188
5.306 EPS
2.955 1.450
.298 2.038
.047 .823
1.215 a. Dependent Variable: Harga_Saham
Sumber: data diolah oleh penulis, 2010
Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel lebih besar dari 0,1. Nilai tolerance AKO adalah 0,545, AKI 0,219, AKP 0,197, dan EPS 0,823. nilai VIF dari keempat variabel
independen juga lebih kecil dari 10 yaitu nilai AKO 1, 834, AKI 4,562, AKP 5,306, dan EPS 1,215. maka dapat disimpulkan bahwa analisis lebih lanjut dapat
dilakukan dengan menggunakan model regresi berganda.
c. Uji heterokedastisitas
Universitas Sumatera Utara
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari
pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang terartur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati
penyebaran titik-titik pada gambar.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot
Sumber : data diolah oleh penulis, 2010
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai
untuk memprediksi HS berdasarkan masukan variable independen AKO, AKI, AKP, dan EPS. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain
dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain .
d. Uji Autokorelasi
Universitas Sumatera Utara
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
data time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Untuk uji
Durbin Watson memiliki ketentuan sebagai berikut: 1
tidak ada autokorelasi positif, jika 0 d dl, 2
tidak ada autokorelasi positif, jika dl ≤ d ≤ du,
3 tidak ada korelasi negatif, jika 4 - dl d 4,
4 tidak ada korelasi negatif, jika 4 – du
≤ d ≤ 4 – dl, 5
tidak ada autokorelasi, positif atau negatif, jika du d 4 – du.
Tabel 4.4 Hasil uji Durbin Watson
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.370
a
.137 .067
295.30053 1.840
a. Predictors: Constant, EPS, AKP, AKO, AKI b. Dependent Variable: Harga Saham
Sumber : data diolah penulis, 2010
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1.840 d. Nilai ini akan peneliti bandingkan dengan nilai tabel dengan menggunakan signifikansi
5, jumlah pengamatan n sebanyak 54 perusahaan dan jumlah variabel independen 4 k = 4. Berdasarkan tabel Durbin Watson didapat nilai batas atas
du sebesar 1,7234 dan nilai batas bawah dl 2,2766. Oleh karena itu, nilai dw dapat dinyatakan 1,7234 du 1.840 d 2,2766 4 – du. Berdasarkan
Universitas Sumatera Utara
pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
3. Analisis Regresi