Bedasarkan tabel 4.4 diketahui bahwa nilai Asymp. Sig. 2-tailed sebesar 0.059 lebih besar dari 0.05, maka data berdistribusi normal.
4.4.2. Uji Multikolinearitas
Ada tidaknya masalah multikolinearitas dalam sebuah model regresi dapat dideteksi dengan nilai VIF variance inflactor factor dan nilai
toleransi tolerance. Suatu model regresi dikatakan bebas dari masalah multikolinearitas jika mempunyai nilai VIF lebih kecil dari 5 dan mempunyai
nilai tolerance di atas 0,0001 Ghozali, 2001. Dalam model regresi ini, hasil uji multikolinearitas dapat dilihat dari tabel 5.6 berikut ini :
Tabel 4.5 Uji Multikolinearitas
Model Unstandardized Coefficients
Collinearity Statistics B
Std. Error Tolerance
VIF 1
Constant .753
4.831 DAR
2.784 7.839
0.994 1.006
DER 7.615
1.197 0.994
1.006
a. Dependent Variable: ROE
Nilai VIF dan tolerance pada tabel di atas menunjukkan bahwa semua variabel dalam penelitian ini tidak mengalami multikolinearitas.
Hal ini ditunjukkan oleh nilai VIF kedua variabel tersebut yang besarnya kurang dari 10, dan nilai tolerance jauh melebihi angka 0,0001.
4.4.3. Uji Heteroskedastisitas
Deteksi ada atau tidaknya masalah heteroskedastisitas dalam suatu model regresi bisa dilakukan dengan melihat pola titik-titik pada grafik
scatterplot dengan dasar pengambilan keputusan sebagai berikut: Jika ada pola tertentu, seperti titik-titik membentuk suatu pola yang teratur, maka
Universitas Sumatera Utara
telah terjadi heteroskedastisitas.Jika tidak ada pola yang jelas serta titik-titik menyebar tidak teratur maka tidak terjadi heteroskedastisitas.
Hasil daripelaksanaan uji heteroskedastisitas terlihat pada Gambar berikut ini:
Gambar 4.5 Heterokedastisitas
Gambar di atas menunjukkan bahwa titik-titik yang dihasilkan menyebar secara acak dan tidak membentuk suatu pola atau trend garis
tertentu. Gambar di atas juga menunjukkan bahwa sebaran data ada di sekitar titik nol. Hasil pengujian ini menunjukkan bahwa model regresi ini
bebas dari masalah heteroskedastisitas, dengan perkataan lain: variabel- variabel yang akan diuji dalam penelitian ini bersifat homokedastis.
4.4.4. Uji Autokorelasi
Untuk mendeteksi terjadinya autokorelasi dilakukan perbandingan nilai Durbin-Watson DW-statistik dengan nilai DW-tabel. Nilai DW-
Universitas Sumatera Utara
statistik dalam penelitian ini dapat diketahui dengan melihat koefisien korelasi DW-statistik DW-test melalui uji Durbin-Watson pada tabel
berikut ini:
Tabel 4.6 Uji Durbin Watson Model Summaryb
Model R
R Square Durbin-Watson
1 0.638
0.407 1.912
a. Predictors: Constant, DER, DAR b. Dependent Variable: ROE
Tabel di atas menunjukkan bahwa nilai DW-statistik yang didapatkan sebesar 1.912 Untuk mendeteksi terjadinya autokorelasi, angka
ini kemudian diklasifikasikan menurut kriteria yang ditentukan sesuai dengan tabel berikut ini:
Tabel 4.7 Pengukuran Autokorelasi Durbin Watson
Kesimpulan
Kurang dari 1,10 1,10 sampai dengan 1,54
1,55 sampai dengan 2,46 2,47 sampai dengan 2,90
Lebih dari 2,91 Ada autokorelasi
Tanpa kesimpulan Tidak ada autokorelasi
Tanpa kesimpulan Ada autokorelasi
Untuk menilai ada atau tidaknya autokorelasi, nilai Durbin-Watson
statistik yang didapatkan dari penghitungan pada tabel di atas, yang menunjukkan nilai sebesar 1.912, diklasifikasikan menurut kriteria
pengukuran autokorelasi pada tabel di atas. Dilihat dari tabel tersebut, pengukuran autokorelasi dalam penelitian ini menunjukkan bahwa tidak
terjadi autokorelasi dalam model regresi ini. Hasil uji asumsi klasik di atas menunjukkan bahwa data yang akan diolah dalam penelitian ini bebas dari
Universitas Sumatera Utara
masalah multikolinearitas, heteroskedastisitas, dan autokorelasi. Hasil pengujian ini menunjukkan bahwa data yang digunakan sebagai variabel
independen memenuhi syarat untuk memprediksi variabel dependen yaitu nilai perusahaan.
4.5. Analisis Data dan Pembahasan 4.5.1. Regresi Berganda
