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