63
Gambar 4.2 Grafik Normal Plot
Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal
sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
4.3.2. Uji Multikolinearitas
Ghozali 2006:91 menyatakan “uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
bebas independen”. Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki kemiripan atau hubungan dengan variabel
independen lain dalam model regresi. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Inflation Factor VIF,
Universitas Sumatera Utara
64
apabila nilai VIF 10 maka terjadi multikolinearitas dan apabila VIF 10 maka tidak terjadi multikolinearitas.
Tabel 4.9 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-3.834 .489
-7.842 .000
LN_WCT .367
.171 .374
2.144 .037
.537 1.863
LN_CR 1.081
.307 .617
3.520 .001
.532 1.880
LN_DER .162
.134 .156
1.212 .231
.987 1.013
a. Dependent Variable: LN_ROI
Sumber : Diolah Peneliti 2013
Dengan demikian, dari data tabel 4.9 disimpulkan dalam model regresi tidak terjadi multikolinearitas dengan dasar nilai VIF untuk setiap
variabel independen tidak ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0.1, maka dapat dilakukan analisis lebih lanjut dengan
menggunakan model regresi berganda.
4.3.3. Uji Heterokedastisitas
Ghozali 2006:105 menyatakan “uji heterokedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan lainnya”. Jika
variance dari residual satu pengamatan ke pengamatan lainnya tetap, maka
disebut homokedastisitas, dan jika berbeda disebut heterokedastisitas. Model
Universitas Sumatera Utara
65
regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat plot grafik yang dihasilkan dari
pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
a. Jika ada pola tertentu, seperti titik-titik yang teratur, maka telah terjadi heterokedastisitas,
b. Jika tidak ada pola tertentu, serta titik-titik yang menyebar tidak tertentu, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
Berikut ini dilampirkan gambar scatterplot untuk menganalisis apakah terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati
penyebaran titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heterokedastisitas
Universitas Sumatera Utara
66
Dari gambar scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model ini layak dipakai dalam memprediksi harga saham
perusahaan industri makanan dan minuman yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen LN_ROI, LN_WCT,
LN_CR, dan LN_DER
4.3.4. Uji Autokorelasi