63
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun satu dengan lainnya. Hal ini sering ditemukan pada data time
series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.
Menurut Nugroho 2005, “Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson”. “Model regresi linear terbebas dari autokorelasi jika nilai
Durbin Watson hitung terletak di daerah No Autocorelation”. Pengujian ini dapat digambarkan sebagai berikut :
Negatif No
Positif Autocorelation
Autocorelation Autocorelation
0 dl du 2 4-du 4-dl 4
Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005 adalah sebagai berikut:
1. bila nilai Durbin-Watson DW terletak antara batas atas atau upper Bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi, 2. bila nilai Durbin-Watson DW lebih rendah daripada batas bawah atau Lower
Bound dl maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif,
3. bila nilai Durbin-Watson DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif,
4. bila nilai Durbin-Watson DW terletak antara batas atas du dan batas bawah dl atau DW terletak antara batas antara 4-du dan 4-dl,maka hasilnya tidak
dapat disimpulkan.
2.4. Uji Heterokedastisitas
UNIVERSITAS SUMATERA UTARA
64
Menurut Erlina dan Mulyani 2007 “Uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan
variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan
yang lain tetap maka disebut homokedastisitas, dan jika berbeda
disebut
heterokedastisitas”. Model regresi yang baik yaitu homokedastisitas.
Pengujian ada atau tidaknya heterokedastisitas pada suatu data dapat dilakukan pada software SPSS dengan mengamati grafik Scatterplot.
Menurut Ghozali 2005 dasar pengambilan keputusannya adalah sebagai berikut: 1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas.
2 Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi
homokedastisitas.
3. Analisis Regresi Berganda
Menurut Nugroho 2005, “Analisa regresi bertujuan untuk menguji hubungan pengaruh antara satu variabel terhadap variabel lain.” Penelitian ini menggunakan model
analisis regresi berganda, karena penelitian ini memiliki tiga variabel independen Earning Growth, Debt to Equity Ratio dan Dividend Payout Ratio dan satu variabel dependen
Price Earning Ratio. Model analisis regresi berganda adalah sebagai berikut.
Y= a + b1 X1 + b2 X2 + b3 X3 + e
Dimana : Y = Price Earning Ratio
UNIVERSITAS SUMATERA UTARA
65
X1 = Earning Growth X2 = Debt to Equity Ratio
X3 = Dividend Payout Ratio a = variabel konstan
b1, b2, b3 = koefisien variabel independen e = kesalahan pengganggu
4. Pengujian Hipotesis
4.1. Uji F
Menurut Ghozali 2005 “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-
sama terhadap variabel dependen”. Secara simultan, pengujian hipotesis dilakukan dengan uji F-test. Pembuktian dilakukan dengan cara membandingkan nilai kritis, F
tabel
dengan F
hitung
dengan ketentuan sebagai berikut : Ho diterima jika F
hitung
F
tabel
Ha diterima jika F untuk α = 5
hitung
F
tabel
4.2 Uji t