b. Uji Multikolinearitas
Uji ini dilakukan dengan melihat kriteria Variance Inflation Factor VIF dengan ketentuan bila VIF 5 maka terdapat masalah multikolinearitas,
sebaliknya jika VIF 5 maka tidak terdapat masalah multikolinearitas Suliyanto, 2005 : 71. Tabel 4.10 berikut digunakan untuk melihat besarnya
Variance Inflation Factor VIF yang di dapat dengan menggunakan bantuan SPSS Versi 14.0.
Tabel 4.8 Uji Multikolinearitas
Coefficients
a
,848 ,646
1,313 ,200
,007 ,003
,418 2,429
,022 ,888
1,126 ,000
,017 ,003
,014 ,989
,688 1,453
-,047 ,051
-,178 -,938
,356 ,733
1,364 Constant
EPS PER
DER Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: RETURN_TOTAL a.
Sumber: Hasil olahan SPSS 14.0 for windows, 2009
Tabel 4.8 menunjukkan bahwa tidak ada variabel bebas yang memiliki Variance Inflation Factor VIF 5, sehingga dapat disimpulkan bahwa tidak
terdapat masalah multikolinearitas.
c. Uji Heterokedastisitas
Uji ini dilakukan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan
yang lain. Jika varians dari residual suatu pengamaan ke pengamaan lain tetap, maka di sebut homokedastisitas, jika varians berbeda disebut
heteroskedastisitas Gudjarati, 2001 : 214. Model regresi yang baik adalah
Universitas Sumatera Utara
tidak terjadi heteroskedastisitas. Heterokedastisitas dapat dideteksi dengan melihat penyebaran plot melalui gambar scatter plot sebagai berikut :
2 -2
Regression Standardized Predicted Value
2
-2
Regression Studentized Residual Scatterplot
Dependent Variable: LN_RETURN_TOTAL
Gambar 4.3 Scatterplot Dependent Variable LN_RETURN_TOTAL
Sumber: Hasil olahan SPSS 14.0 for windows, 2009
Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak membentuk pola
tertentu. Maka dapat disimpulkan bahwa tidak terdapat gejala heterokedastisitas dalam model regresi ini.
Selain melihat grafik, uji heterokedastisitas dapat juga dilakukan melalui uji Glejser. Uji Glejser memberikan hasil yang lebih akurat dibandingkan
dengan menganalisis grafik scatterplot. Heteroskedastisitas diuji dengan menggunakan uji Glejser dengan
pengambilan keputusan jika variabel independen secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadinya
heteroskedastisitas. Jika probabilitas signifikannya di atas tingkat
Universitas Sumatera Utara
kepercayaan 5 dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Tabel 4.9 Uji Glejser
Coefficients
a
,735 ,435
1,690 ,102
,004 ,002
,350 1,915
,065 ,888
1,126 -,002
,012 -,043
-,207 ,838
,688 1,453
-,002 ,034
-,014 -,071
,944 ,733
1,364 Constant
EPS PER
DER Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: ABSUT a.
Sumber :Hasil olahan SPSS 14.0 for windows, 2009
Berdasarkan Tabel 4.9 tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari nilai signifikansi variabel EPS, PER, DER dan tingkat pengembalian saham masing-masing lebih besar dari tingkat signifikan
α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala
heterokedastisitas dalam model regresi ini.
d. Uji Autokorelasi