49
2. Hasil Uji As umsi Klasik
Uji asumsi klasik dilakukan dengan menggunakan analisis regresi terhadap variabel independen dan variabel dependen. Adapun dalam
penelitian ini variabel independen yang digunaka n adalah return on asset ROA, return on equity ROE, dan investment opportunity set IOS,
sedangkan variabel dependen yang digunakan adalah nilai perusahaan. Agar model regresi yang dipakai menghasilkan nilai yang sesuai, terlebih
dahulu data harus memenuhi empat uji asumsi klasik. Uji asumsi klasik yang telah dilakukan dan hasilnya adalah sebagai berikut:
a. Hasil Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi antar variabel bebas. Untuk mendeteksi adanya problem multiko, maka dapat dilakukan dengan
melihat nilai tolerance dan Variance Inflation Factor VIF serta besaran korelasi antar variabel independen. Berikut ini adalah tabel
yang menunjukkan hasil uji multikolonieritas.
50
Tabel 4.4 Hasil Uji Multikolonieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant ROA
.181 5.522
ROE .181
5.517 IOS
.937 1.067
a. Dependent Variable: NILAI_PERUSAHAAN Sumber: Data sekunder yang diolah
Berdasarkan tabel 4.4 diatas dapat diketahui bahwa hasil uji multikolonieritas menunjukkan tidak ada variabel independen yang
memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance
Inflation Factor VIF juga menunjukkan hasil yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi
dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.
b. Hasil Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu
model regresi ditemukan adanya autokorelasi dalam analisis regresi. Model regresi yang baik adalah model regresi yang bebas dari
masalah autokorelasi.
51
Berikut ini adalah tabel yang menunjukkan hasil uji autokorelasi.
Tabel 4.5 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .968
a
.937 .935 1,202950588682
5E-1 .838
a. Predictors: Constant, IOS, ROE, ROA b. Dependent Variable: NILAI_PERUSAH AAN
Sumber: Data sekunder yang diolah
Dari tabel 4.5 diatas menunjukkan bahwa nilai D-W sebesar 0,838. Dengan jumlah predictor sebanyak 3 buah k-3 dan sampel
sebanyak 120 n=120, berdasarkan tabel D-W dengan tingkat signifikansi 5, maka dapat ditentukan nilai dl adalah sebesar 1,613
dan du adalah sebesar 1,736. Dengan demikian nilai D-W dl yang menandakan bahwa terdapat autokorelasi positif dalam model
regresi, atau dengan kata lain, penelitian ini masih belum terbebas dari masalah autokorelasi. Namun menurut Santoso 2010:215, untuk
mendeteksi ada atau tidaknya autokorelasi, maka dapat dilakukan dengan melihat nilai Durbin-Watson. Regresi yang bebas dari
autokorelasi memiliki nilai Durbin-Watson diantara -2 sampai +2. Berdasarkan tabel 4.5 diatas dapat diketahui bahwa hasil uji
autokorelasi pada nilai Durbin-Watson adalah 0,838. Nilai yang dihasilkan tersebut berada diantara angka -2 dan +2 sehingga dapat
52
disimpulkan bahwa data yang digunakan dalam penelitian ini bebas dari autokorelasi.
c. Hasil Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau
tidaknya heteroskedastisitas dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED. Jika terdapat pola tertentu seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar
kemudian menyempit, maka terjadi heteroskedastis. Sebaliknya jika tidak terdapat pola yang jelas serta titik-titik menyebar di atas dan di
bawah angka 0 nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Adapun hasil uji heteroskedastisitas dalam
penelitian ini dapat dilihat pada gambar 4.1.
53
Gambar 4.1 Grafik
Scatterplot
Sumber: Data sekunder yang diolah Berdasarkan hasil uji heterokedastisitas pada gambar 4.1 di atas
dapat dilihat bahwa grafik scatterplot 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 nilai perusahaan berdasarkan masukan variabel independen return on asset ROA, return on equity ROE,
dan investment opportunity set IOS.
54
d. Hasil Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel dependen dan variabel independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik
adalah distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas data, penelitian ini menggunakan analisis
grafik, yaitu dengan melihat grafik histogram dan dengan melihat Normal Probability Plot P-P Plot.
Gambar 4.2 Grafik
Histogram
Sumber: Data sekunder yang diolah
55
Gambar 4.3 Grafik Normal P-P Plot
Sumber: Data sekunder yang diolah
Dengan melihat tampilan grafik histogram Gambar 4.2 maupun grafik normal plot Gambar 4.3 dapat disimpulkan bahwa kedua
grafik ini menunjukkan bahwa model regresi memenuhi asumsi normalitas. Karena pada grafik histogram Gambar 4.2 data
menunjukkan distribusi normal dan pada grafik normal plot Gambar 4.3 data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal.
56
3. Hasil Uji Hipotesis