Berdasarkan perhitungan dengan menggunakan SPSS versi 17.0 maka diapat hasil sebagai berikut:
Tabel 4.7
Dari tabel Coefficient terlihat bahwa nilai VIF yaitu ada beberapa yang diatas 10 sehingga masih dapat dianggap tidak terjadi
multikolinearitas atau tepatnya hanya low collinearity.
c. Uji Heteroskedastisitas
Uji heterosdekastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heterosdekastisitas. Untuk mendeteksi ada tidaknya
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
225.555 29.159
7.735 .000
EPS -.133
.056 -.398
-2.385 .028
.797 1.255
DER -26.028
11.951 -2.706
-2.178 .042
.014 69.581
PER .151
.073 .327
2.060 .053
.880 1.136
ROI -27.218
20.311 -.328
-1.340 .196
.371 2.695
ROE -92.032
41.679 -2.744
-2.208 .040
.014 69.586
a. Dependent Variable: HARGA
Universitas Sumatera Utara
heterosdekasitas, menurut Ghozali 2005:105 dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan
residualnya ZRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heterosdekasitas,
sebaliknya jika tidak ada pola yang jelas, serta titik-titik menyebar maka tidak terjadi heteroskedasitas. Dari hasil perhitungan SPSS versi 17.0
maka didapat hasil sebagai berikut:
Gambar 4.2
Dilihat dari hasil scatterplot antara standardized residual ZRESID dan standardized predicted value ZPRED tidak membentuk suatu pola
tertentu, sehingga bisa dianggap residual mempunyai variance konstan atau homoskedastisitas tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
d. Uji Autokolerasi
Menurut Ghozali 2005:95 “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t-1 sebelumnya.” Penggunaan program SPSS bertujuan untuk mendeteksi adanya probelm autokorelasi adalah dengan
melihat besaran DURBIN-WATSON, yaitu panduan mengenai angka D-W Durbin-Watson pada tabel D-X.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
― angka D-W dibawah -2 berarti ada autokorelasi positif dan
― angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi
― angka D-W diatas +2 berarti ada autokorelasi negative.
Berikut ini adalah hasil perhitungan SPSS versi 17.0. Tabel 4.8
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .760
a
.578 .467
57.697 .731
a. Predictors: Constant, ROE, PER, ROI, EPS, DER b. Dependent Variable: HARGA
Dilihat dari hasil nilai Durbin – Watson di atas yaitu sebesar 0.731 yang berarti tidak terjadi autokorelasi dimana angka D-W yang dihasilkan
terletak diantara -2 sampai +2 yang artinya tidak terjadi autokorelasi.
Universitas Sumatera Utara
2. Uji Hipotesis a. Analisis Regresi Berganda