berdasarkan masukan variabel independen CR, DER, OPM, PER, ROI dan TATO.
4. Uji Autokorelasi
Pengujian Autokorelasi menurut Ghozali 2005:95 bertujuan untuk menguji apakah dalam model regresi linear ada korelasi penganggu antara
kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi di antara data
pengamatan yang tersusun baik seperti data cross sectional danatau time series. Autokorelasi menunjukkan adanya kesalahan penganggu residual
tidak bebas dari satu pengamatan ke pengamatan lain. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak
akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk mengetahui adanya autokorelasi digunakan uji Durbin-
Watson, dengan kriteria menurut Triton P B 2006:158 dengan cara melihat besaran Durbin-Watson sebagai berikut:
• Jika Angka D-W dU,maka tidak ada autokorelasi
• Jika Angka D-W dU,maka terjadi autokorelasi.
• Jika dLD-WdU, maka tidak dapat dideteksi apakah terjadi
Autokorelasi atau tidak Berikut ini hasil uji Durbin Watson dengan menggunakan program SPSS:
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .604
a
.365 .342
1.45306 1.961
a. Predictors: Constant, Ln_TATO, Ln_DER, Ln_OPM, Ln_PER, Ln_CR, Ln_ROI b. Dependent Variable: Ln_Harga_Saham
Sumber data: Data diolah Penulis, 2010
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson dw sebesar 1.961, nilai ini akan kita bandingkan dengan nilai
tabel dengan menggunakan signifikansi 5, jumlah pengamatan 174 n, dan jumlah variabel independen 6 k=6, maka berdasarkan tabel Durbin
Watson didapat nilai batas atas du sebesar 1.8237 dan nilai batas bawah dl sebesar 1.6813. Oleh karena itu, nilai dw lebih besar dari 1.8237 dan
lebih kecil dari 4 – 1.8237 atau dapat dinyatakan bahwa 1.8237 1.961 4 - 1.8237 du dw 4 – du. Dengan demikian dapat disimpulkan tidak
terdapat autokorelasi baik positif maupun negatif.
D. Analisis Regresi