Tabel 5.3: Hasil Uji Multikolinearitas
Collinearity Statistics Model
Tolerance VIF
1 Constant
CR_X1 .936
1.068 ln_TDTA_X2
.927 1.079
ln_RENT_X3 .953
1.050 ln_EPS_X4
.959 1.043
TATO_X5 .936
1.068
Dari data pada Tabel 5.3 dapat dilihat bahwa tidak ada variabel yang memiliki nilai
tolerance 0.10 dan nilai VIF 10. Dengan demikian dapat
disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel independen.
5.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi
dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi
heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar di atas dan di bawah angka nol pada
sumbu Y.
Yulifati Laoli : Pengaruh Likuiditas, Solvabilitas, Rentabilitas, Pertumbuhan Eps Dan Pertumbuhan Perusahaan Terhadap Harga Saham Emiten Property And Real Estate Di Bursa Efek Indonesia BEI, 2009
Berikut dilampirkan grafik scatterplot
untuk menganalisis apakah terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik pada
gambar berikut :
Gambar 5.2 : Uji Heteroskedastisitas Scatterplot
Dari garfik scatterplots
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 heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi.
5.2.4. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu
pada data yang tersusun, baik berupa data cross sectional
dan atau time
Yulifati Laoli : Pengaruh Likuiditas, Solvabilitas, Rentabilitas, Pertumbuhan Eps Dan Pertumbuhan Perusahaan Terhadap Harga Saham Emiten Property And Real Estate Di Bursa Efek Indonesia BEI, 2009
series . Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi
yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin - Watson DW. Menurut Santoso 2005 : 241, untuk mendeteksi ada tidaknya
autokorelasi maka dilakukan pengujian Durbin-Watson DW. Nilai d tersebut selanjutnya dibandingkan dengan nilai d
tabel
dengan tingkat signifikansi 5 dengan
df = n-k-1. Dari hasil pengujian terlihat bahwa nilai DW sebesar
1,995, berarti data tidak terkena autokorelasi.
Tabel 5.4 : Nilai Durbin-Watson
Model R
Std. Error of the Estimate
Durbin-Watson 1
.575
a
.96390 1.995
a. Predictors: Constant, TATO_X5, ln_EPS_X4, ln_RENT_X3, CR_X1, ln_TDTA_X2 b. Dependent Variable: ln_Harga_Saham_Y
Sumber : Hasil Output SPSS Lampiran 2 c
Berdasarkan Tabel 5.4 diatas, untuk mengetahui adanya autokorelasi digunakan uji
Durbin-Watson , dengan kriteria dari tabel
Durbin-Watson terlihat Nilai DW sebesar 1,995 Untuk mengetahui adanya autokorelasi
digunakan uji Durbin-Watson
, dengan kriteria menurut Santoso 2000 : 219 dengan cara melihat besaran Durbin-Watson sebagai berikut :
a. Angka D-W di bawah -2, berarti ada autokorelasi positif. b. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
c. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Yulifati Laoli : Pengaruh Likuiditas, Solvabilitas, Rentabilitas, Pertumbuhan Eps Dan Pertumbuhan Perusahaan Terhadap Harga Saham Emiten Property And Real Estate Di Bursa Efek Indonesia BEI, 2009
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson D-W sebesar 1,995. Oleh karena itu, nilai DW dalam rentang nilai -2 dan
lebih kecil dari 2 -2 1,995 2 maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
5.3. Hasil Analisis Data