Dari grafik scatterplot di atas terlihat titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk
suatu pola tertentu. Sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi.
4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya Ghozali 2005:95. Autokorelasi sering ditemukan pada data time series karena “gangguan” pada data cenderung mempengaruhi “gangguan”
data yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang
terbebas dari autokorelasi.
Salah satu cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi dalam suatu model regresi adalah dengan melakukan uji Durbin-Watson
DW test. . Dalam model regresi tidak terjadi autokorelasi apabila nilai du dw 4 – du. Berikut ini disajikan hasil uji Durbin-Watson untuk penelitian ini dengan
menggunakan SPSS 16.
Tabel 4.8 Hasil Uji Autokorelasi
Sumber : Data diolah Penulis, 2010
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .430
a
.185 .118
1.32384 2.070
Universitas Sumatera Utara
Dari tabel diatas ditunjukkan bahwa nilai DW test yaitu sebesar 2.070. Nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah
pengamatan N 54, dan jumlah variabel independen k 4, maka didapatkan nilai batas atas du sebesar 1.724 dan nilai batas bawah dl sebesar 1.414. Oleh karena itu, nilai
dw lebih besar dari 1.724 dan lebih kecil dari 4 – 1.724 atau dapat dinyatakan bahwa 1.724 2.070 4 - 1.724 du dw 4 – du. Dengan demikian dapat disimpulkan
tidak terdapat autokorelasi baik positif maupun negatif.
D. Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi
model estimasi yang Best Linear Unbiased Estimator BLUE dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis.
1. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen,
melalui pengaruh Ln_CR X
1
, Ln_DER X
2
, Ln_TATO X
3
, Ln_ROE X
4
terhadap Ln_MVEY. Hasil regresi dapat dilihat pada tabel 4.9.
Universitas Sumatera Utara
Tabel 4.9 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 27.340
.600 45.552
.000 Ln_CR
.370 .178
.301 2.075
.043 Ln_DER
.226 .136
.229 1.664
.102 Ln_TATO
-.481 .261
-.254 -1.840
.072 Ln_ROE
.127 .124
.141 1.031
.308
Sumber : Data diolah Penulis, 2010 Berdasarkan penjelasan dari pengujian asumsi klasik sebelumnya, model regresi
dalam penelitian ini telah diubah menjadi model logaritma natural, sehingga beta dan koefisien dari penelitian ini juga dalam bentuk logaritma natural. Model regresi
berdasarkan hasil analisis regresi dinyatakan dalam bentuk fungsi Ln_MVE.
Y = 27.340 + 0.370 X
1
+ 0.226 X
2
– 0.481 X
3
+ 0.127 X
4
Kemudian model regresi tersebut akan diinterpretasikan.
1. β
= 27.340 Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel Ln_CR,
Ln_DER, Ln_TATO, Ln_ROE, X
1
=X
2
=X
3
=X
4
=0, maka Ln_MVE adalah sebesar 27.340
2. β
1
= 0.370 Koefisien regresi β
1
ini menunjukkan bahwa setiap variabel Ln_CR meningkat sebesar satu satuan, maka Ln_MVE akan bertambah sebesar 0.370 atau 37
Universitas Sumatera Utara
dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
3. β
2
= 0.226 Koefisien regresi β
2
ini menunjukkan bahwa setiap variabel Ln_DER meningkat sebesar satu satuan, maka Ln_MVE akan bertambah sebesar 0.226 atau 22.6
dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
4. β
3
= -0.481 Koefisien regresi β
3
menunjukkan bahwa setiap variabel Ln_TATO meningkat sebesar satu satuan, maka Ln_MVE akan menurun sebesar 0.481 atau 48.1
dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
5. β
4
= 0.127 Koefisien regresi β
4
menunjukkan bahwa setiap variabel Ln_ROE meningkat sebesar satu satuan, maka Ln_MVE akan meningkat sebesar 0.127 atau 12.7
dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
2. Analisis Koefisien Korelasi dan Koefisien Determinasi