b. Uji Multikolinieritas
Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari:
1 nilai tolerence dan lawannya,
2 Variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerence mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan
nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence
0,10 atau sama dengan VIF 10 Ghozali, 2005:91.
Tabel 4.8 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1Constant LNDER
.795 1.258
LNPER .415
2.410 LNROE
.364 2.748
Dependent variabel : LNHS Sumber : Output SPSS, diolah Penulis, 2010
Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari masing- masing variabel independen lebih besar dari 0,1, yaitu untuk variabel DER sebesar
0,795; variabel PER sebesar 0,415; variabel ROE sebesar 0,364;. Nilai VIF dari masing-masing variabel independen diketahui kurang dari 10, yaitu untuk variabel
DER sebesar 1,258; variabel PER sebesar 2,410; variabel ROE sebesar 2,748.
Universitas Sumatera Utara
Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat multikolinearitas.
c. Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk menentukan adanya autokorelasi atau tidak dapat diketahui dari nilai Durbin-
Watsonnya.
Tabel 4.9 Pengujian Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.531
a
.281 .228
1.90483 2.417
a. Predictors: Constant, LNROE, LNDER, LNPER b. Dependent Variable: LNHS
Sumber : Output SPSS, Data diolah peneliti, 2010.
Berdasarkan hasil pengolahan data dengan SPSS dapat diketahui bahwa nilai Durbin-Watson dalam penelitian ini sebesar 2.417. Sugiyono 2001:76
mengemukakan bahwa “terjadinya Autokorelasi jika nilai Durbin Watson DW memiliki nilai lebih dari 5
≥5”. Mak a nilai Durbin-Watson sebesar 2,417
memiliki arti tidak terdapat gejala autokorelasi positip maupun negatip antar variabelnya. Tabel di atas juga memperlihatkan bahwa angka adjusted R square
atau koefisien determinasi bernilai 0,228. Angka mengindikasikan bahwa 22.8 variasi atau perubahan dalam harga saham dapat dijelaskan oleh DER, PER, dan
ROE. Sedangkan sisanya 77.2 dijelaskan oleh faktor-faktor lain yang tidak
Universitas Sumatera Utara
dimasukkan dalam dalam model penelitian. Standard error of estimate menunjukkan angka sebesar 1,90483. Semakin kecil angka ini akan membuat
model regresi semakin tepat dalam memprediksi harga saham.
d. Uji Heteroskedastisitas
Kategori