69
Dengan demikian, karena tidak terjadi gejala multikolinearitas yang berat, pengaruh dari masing-masing variabel bebas, yakni CAR, NIM, NPL, dan PER
terhadap harga saham dapat ditentukan.
4.1.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual
suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Supranto 2005:57 mengartikan homoskedastisitas sebagai varians kesalahan pengganggu
�
�
untuk setiap pengamatan �
�
adalah sama, sedangkan heteroskedastisitas adalah sebaliknya.
Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heterokesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang
dihasilkan dengan metode OLS ordinary least square tidak lagi memiliki sifat varians yang minimum atau efisien. Dalam keadaan heteroskedastisitas, ketika
tetap menggunakan metode OLS yang biasa usual OLS formulas, maka uji t dan uji F dapat memberikan kesimpulan yang salah Gujarati, 2003:428.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y,
dan ZPRED pada sumbu X.Field, 2009:230, Ghozali, 2011:139. Field 2009:248, Ghozali, 2011:139 menyatakan dasar analisis adalah jika ada pola
tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
Universitas Sumatera Utara
70
bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar
di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas
Sumber : hasil olahan
software SPSS 19
Perhatikan bahwa berdasarkan Gambar 4.1, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
71
4.1.2.4 Uji Non-Autokorelasi atau Independensi Residual Independent
Errors
Uji independensi residual uji non-autokorelasi merupakan suatu uji untuk memeriksa apakah untuk setiap dua pengamatan residual saling berkorelasi atau
tidak Field, 2009:220. Supranto 2005:151 mengartikan non-autokorelasi sebagai tidak terjadinya korelasi antara kesalahan pengganggu yang satu dengan
yang lainnya. Meskipun terjadinya autokorelasi terhadap estimator-estimator yang dihasilkan oleh metode ordinary least square OLS tetap tak bias unbiased,
konsisten consistent, dan terdistribusi normal secara asimtotis, namun estimator- estimator tersebut tidak lagi efisien. Sebagai akibatnya, pada uji t, F, dan chi
kuadrat tidak lagi sah untuk digunakan cannot be legitimately applied Gujarati, 2003:489. Asumsi mengenai independensi terhadap residual non-autokorelasi
dapat diuji dengan menggunakan uji Durbin-Watson Field, 2009:220. Riyanto 2012:59 menyatakan jika nilai statistik Durbin-Watson -2 sd +2, maka asumsi
independensi terhadap residual non-autokorelasi terpenuhi. Sebaliknya, bila nilai statistik Durbin-Watson -2 atau 2, berarti asumsi independensi terhadap
residual non-autokorelasi tidak terpenuhi.
Tabel 4.5 Uji Autokorelasi
Sumber : hasil olahan software SPSS 19
Universitas Sumatera Utara
72
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 1,870. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara -2 dan
+2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.1.3Analisis Koefisien Determinasi
Koefisien determinasi R
2
merupakan suatu nilai nilai proporsi yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan
dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas Supranto, 2005:158, Gujarati, 2003:212. Nilai koefisien determinasi berkisar
antara 0 dan 1. Nilai koefsien determinasi R
2
yang kecil mendekati nol berati kemampuan variabel-variabel tak bebas secara simultan dalam menerangkan
variasi variabel tak bebas sangat terbatas. Nilai koefisien determinasi R
2
yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel bebas.
Tabel 4.6 Koefisien Determinasi
Sumber : hasil olahan software SPSS 19
Universitas Sumatera Utara
73
Berdasarkan Tabel 4.7, nilai koefisien determinasi R
2
terletak pada kolom R-Square. Diketahui nilai koefisien determinasi sebesarR
2
= 0,337. Nilai tersebut berarti CAR, NIM, NPL, dan PER mempengaruhi secara simultan atau
bersama-sama terhadap variabel harga saham sebesar 33,7, sisanya sebesar
63,3 dipengaruhi oleh faktor-faktor lain.
4.1.4Pengujian Hipotesis
Pada pengujian hipotesis, akan dilakukan analisis koefisien determinasi, pengujian signifikansi koefisien regresi parsial secara menyeluruh atau simultan
uji F, dan uji signifikansi koefisien regresi parsial secara individu uji t.
4.1.4.1 Uji Signifikansi Koefisien Regresi Parsial secara Menyeluruh Uji F
