commit to user
54
koefisien-koefisien regresi
menjadi tak
terhingga. Jika
terjadi multikolinearitas,
maka variabel
yang menyebabkan
terjadinya multikolinearitas harus dikeluarkan dari model.
Tabel IV. D Hasil Uji Multikolinearitas
Variabel Tolerance
VIF Keterangan
CR 0,774
1,291 Terbebas dari multikolinearitas
DER 0,800
1,250 Terbebas dari multikolinearitas
ROE 0,555
1,801 Terbebas dari multikolinearitas
EPS 0,402
2,487 Terbebas dari multikolinearitas
LNSIZE 0,567
1,763 Terbebas dari multikolinearitas
AGE 0,938
1,066 Terbebas dari multikolinearitas
RAU 0,861
1,161 Terbebas dari multikolinearitas
RUN 0,536
1,867 Terbebas dari multikolinearitas
Sumber : Data sekunder diolah, 2011 lampiran
3. Uji Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini dengan cara melihat grafik scatterplot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan nilai residualnya SRESID. Hasil uji heteroskedastisitas gambar IV. A adalah sebagai berikut:
commit to user
55
Scatterplot Dependent Variable: IR
Regression Standardized Predicted Value
2 1
-1 -2
-3
R e
g re
s s
io n
St u
d e
n tiz
e d
R e
s id
u a
l
2 1
-1 -2
-3
Sumber: Hasil output SPSS 11.5
Gambar IV. A Grafik Scatterplot
Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi
Initial Return IR berdasarkan masukan variabel independen current ratio
CR, debt to equity ratio DER, return on equity ratio ROE, earning
per share EPS, ukuran perusahaan LNSIZE, umur perusahaan AGE, reputasi auditor RAU dan reputasi Underwriter RUN
commit to user
56
Model Summary
b
,694
a
,482 ,356
,215754 1,913
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-W atson
Predictors: Constant, RUN, RAU, AGE, ROE, DER, CR, LNSIZE, EPS
a. Dependent Variable: IR
b.
4. Uji Autokorelasi
Uji ini dilakukan untuk mengetahui indikasi adanya korelasi antar anggota-anggota serangkaian observasi yang diurutkan menurut waktu dan
ruang . Durbin-Watson test digunakan untuk mendeteksi ada atau tidaknya autokorelasi. Jika nilai uji statistik Durbin-Watson lebih kecil dari satu
atau lebih besar dari tiga, maka residual dari model regresi berganda tidak bersifat independen atau terjadi autokorelasi.
Tabel IV. E Hasil Uji Autokorelasi
Sumber : Hasil output data SPSS 11.5
Dari tabel di atas bisa disimpulkan bahwa data tidak mengalami gejala autokorelasi dengan nilai uji Durbin-Watson sebesar
1,913.
commit to user
57
D. ANALISIS REGRESI LINIER BERGANDA