Hasil Uji As umsi Klasik

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