lainnya. Tolerance mengukur variabilitas variabel bebas yang dipilih yang tidak dapat dijelaskan oleh variabel bebas lainnya.
Multikolinieritas dapat dilihat dengan Variance Inflation Factor
VIF, bila nilai VIF 10 dan nilai tolerance 0,10 maka tidak terdapat gejala multikolinieritas Ghozali, 2011: 105.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada perode t-1. Uji autokorelasi menggunakan uji Durbin-Watson Test DW. Autokorelasi muncul
karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini sering ditemukan pada time
series . Pada data cross section, masalah autokorelasi relatif tidak
terjadi. Pengambilan keputusan ada tidaknya autokorelasi adalah:
Tabel 1. Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol
Keputusan Jika
Tidak ada korelasi positif Tolak
0 d dl Tidak ada korelasi positif
Tidak diputuskan dl ≤ d ≤ du Tidak ada korelasi negatif
Tolak 4 – dl d 4
Tidak ada korelasi negatif Tidak diputuskan 4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak du d 4-du
Sumber: Ghozali 2009
2. Analisis Linier Berganda
Teknik analisis data yang digunakan dalam penelitian ini adalah analisis regresi linier berganda multiple regression analysis untuk
memperoleh gambaran yang menyeluruh mengenai pengaruh variabel independen terhadap variabel dependen.
Penggunaan metode analisis regresi berganda ini karena variabel yang digunakan lebih dari dua.
Metode analisis regresi berganda ini digunakan untuk mengukur pengaruh variabel independen CR, DER, ROE, ROA, TATO terhadap
variabel dependen initial return. Metode analisis regresi linier berganda multiple linier regression
method dirumuskan sebagai berikut:
ܻ = ߙ + ߚ1ܺ1 + ߚ2ܺ2 + ߚ3ܺ3 + ߚ4ܺ4 + ݁ dimana:
Y = initial return
X1 = current ratio
X2 = debt to equity ratio
X3 = return on equity
X4 = total asset turnover
ߚ
ଵ
, ߚ
ଶ,
ߚ
ଷ
, ߚ
ସ
= koefisien regresi ߙ
= konstanta ݁
= error