Ruang Lingkup Penelitian Pengaruh Dividend Payout Ratio (DPR), Debt To Equity Ratio (DER), Return On Equity (ROE), dan Investment Opportunity Set (IOS) Terhadap Nilai Perusahaan

59 kesalahan pengganggu pada t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runt ut waktu time series karena “gangguan” pada seseorang individukelompok cenderung mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi dilakukan dengan uji Durbin-Watson. Ghozali, 2006:99-100. Hipotesis yang akan diuji adalah: H : tidak ada autokorelasi H A : ada autokorelasi Pengambilan keputusan mengenai ada atau tidaknya autokorelasi adalah sebagai berikut: 1 0 d dL : Tolak Ho, menyatakan ada autokorelasi positif 2 4-dL d 4 : Tolak Ho, menyatakan ada autokorelasi 3 dU d 4-dU : Terima Ho, meyatakan tidak ada autokorelasi 60 4 dL ≤ d ≤ dU : Tidak dapat disimpulkan 5 4- dU ≤ d ≤ 4-dL : Tidak dapat disimpulkan c Uji Heteroskedastisitas Pengujian heteroskedastisitas bertujuan menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamaan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Ghozali, 2011:139. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah studentized. Ghozali, 2011: 139. Dasar pengambilan keputusan adalah jika terdapat pola tertentu seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan terjadi heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas serta