ditemukan adanya kolerasi antara variabel independen. Hasil pengujian terlihat pada Tabel 5.3 sebagai berikut :
Tabel 5.3 Hasil Uji Multikolinearitas Sebelum Transformasi
Model Collinearity Statistics
Keterangan Tolerance
VIF 1 Constant
PRO_X1 ,785
1,274 Tidak Terjadi Multikolinearitas FCF_X2
,781 1,280 Tidak Terjadi Multikolinearitas
IOS_X3 ,679
1,473 Tidak Terjadi Multikolinearitas a. Dependen Variabel CD_Y
Sumber : Lampiran 5
5.2.3. Uji Autokolerasi Sebelum Transformasi
Uji Autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan penganggu pada periode t dengan kesalahan
penganggu pada periode t -1 sebelumnya. Jika terjadi kolerasi, maka dinamakan ada masalah autokolerasi Ghozali, 2005. Pendeteksi masalah autokolerasi
dilakukan dengan pengujian Durbin-Watson pada tabel 5.4
Tabel 5.4 Hasil Uji Autokolerasi Sebelum Transformasi Model Summary
b
Model Change Statistics
Durbin-Watson R Square Change F Change df1 df2 Sig. F Change
1 ,128
4,519 3 92
,005 1,728
a. Predictors: Constant, IOS_X3, PRO_X1, FCF_X2 b. Dependen Variable: CD_Y
Sumber : Lampiran 6 Berdasarkan Tabel 5.4 menunjukkan bahwa nilai
Durbin-Watson sebesar 1,754 sedangkan bila dilihat dari DW untuk tiga variabel bebas k = 3 dan banyak data
adalah 96 hal ini disebabkan karena terjadinya proses Ln nilai sehingga nilai data
Universita Sumatera Utara
yang memiliki angka negatif akan memiliki nilai 0 null, untuk level signifikansi = 0,05 diperoleh dl = 1,6039 dan du = 1,7326 sehingga nilai 4
– du = 4 – 1,7326 = 2,2674. DW lebih kecil dari du 1,7326 1,754 sehingga tidak ada kesimpulan .
5.2.4. Uji Heteroskedastisitas Sebelum Transformasi
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu menyempit pada grafik
scatterplot antara nilai prediksi variabel terikat ZPRED dengan residual SRESID.
Dari gambar 5.3 berikut terlihat bahwa titik-titik tidak menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi harga saham berdasarkan variabel
Profitabilitas , Free Cash Flow, dan Investment Opportuniy Set.
Gambar 5.3 Scatterplot Heteroskedastisitas Sebelum Transformasi
Sumber : Lampiran 7
Universita Sumatera Utara
Selain dari membaca pola penyebaran scatterplot pada gambar 5.3,
analisis terhadap heteroskedastisitas dapat dilakukan dengan membaca tabel koefisien
spearman pada tabel 5.5.
Tabel 5.5 Uji Koefisien Korelasi Spearman Sebelum Transformasi
PRO_X1 FCF_X2 IOS_X3 Unstandardized
Residual
Spearmans rho
PRO_X1 Correlation
Coefficient 1,000
,477 ,595
,017 Sig. 2-tailed
. ,000
,000 ,866
N 128
96 128
96 FCF_X2
Correlation Coefficient
,477 1,000
,483 ,239
Sig. 2-tailed ,000 .
,000 ,019
N 96
96 96
96 IOS_X3
Correlation Coefficient
,595 ,483
1,000 ,085
Sig. 2-tailed ,000
,000 . ,413
N 128
96 128
96 Unstandardized
Residual Correlation
Coefficient ,017
,239 ,085
1,000 Sig. 2-tailed
,866 ,019
,413 . N
96 96
96 96
. Correlation is significant at the 0.01 level 2-tailed. . Correlation is significant at the 0.05 level 2-tailed.
Sumber : Lampiran 7 Dari tabel 5.5 dapat diketahui bahwa nilai kolerasi ketiga variabel independen
dengan Unstandardized Residual yakni lebih kecil dari 0,05 sehingga dapat
disimpulkan terjadi gejala heteroskedastisitas dalam model, dan hal ini sejalan dengan uji grafik
Scatterplots.
Universita Sumatera Utara
5.3. Uji Asumsi Klasik Hipotesis Pertama Setelah Transformasi
