54
terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random.
H : residual res_1 random acak
H
a
: residual res_1 tidak random Pengambilan keputusannya adalah tolak H0 apabila probabilitas
signifikansi 0,05 Ghozali, 2011: 121.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan dengan tujuan untuk menguji apakah dalam model regresi yang digunakan terdapat ketidaksamaan varians dari
residual satu pengamantan ke pengamatan yang lain. Apabila varians dari residual satu pengamatan ke pengamatan lain terdapat kesamaan, maka
disebut homoskedastisitas dan apabila terdapat ketidaksamaan disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas.
Menurut Ghozali 2011: 139 salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai
prediksi variabel terikat dependen yaitu ZPRED dengan residualnya
SRESID. Dasar analisisnya:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
55
3. Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda Analisis regresi mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara
variabel dependen dengan variabel independen menurut Ghozali 2011:96. Analisis regresi dalam penelitian ini digunakan untuk mengetahui seberapa kuat
pengaruh umur perusahaan, ukuran perusahaan, Current Ratio CR, Debt to Equity Ratio DER, Return on Equity ROE, dan Earning per Share EPS
terhadap underpricing. Bentuk persamaannya adalah:
Dimana : Y
: Underpricing �
: Konstanta b
1
-b
6
: Koefisien Regresi X
1
: Umur Perusahaan X
2
: Ukuran Perusahaan X
3
: Current Ratio CR X
4
: Debt to Equity Ratio DER, X
5
: Return on Equity ROE X
6
: Earning per Share EPS e
: Kesalahan residual Sebuah model regresi akan dapat dipakai untuk prediksi jika memenuhi
sejumlah asumsi, yang disebut dengan asumsi klasik. Dalam praktik, sebuah model regresi akan sulit untuk memenuhi semua asumsi yang ada, walaupun
= +
+ +
+ +
+ +
�
56
demikian, pelanggaran yang signifikan terhadap asumsi yang ada akan mengakibatkan prediksi menjadi bias menurut Santoso 2014: 183.
4. Uji Signifikansi Parsial Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel
dependen Ghozali, 2011: 98. Uji statistik t dalam penelitian ini dilakukan untuk menunjukkan apakah umur perusahaan, ukuran perusahaan, Current Ratio CR,
Debt to Equity Ratio DER, Return on Equity ROE, dan Earning per Share EPS secara parsial memiliki pengaruh terhadap underpricing. Penelitian ini juga
dilakukan untuk mencari pengaruh paling besar di antara variabel independen terhadap variabel dependen. Menurut Santoso 2014: 156-157 variabel
independen yang paling berpengaruh terhadap variabel dependen dapat dilihat dari tabel Coefficients, pada kolom Standardized Coefficients dengan angka
tertinggi. Tingkat signifikansi dari uji ini yaitu pada level of significance α yang
ditetapkan dalam penelitian ini sebesar 5 atau 0,05. Dasar pengambilan keputusannya adalah Ghozali, 2011: 102 :
1. Apabila probabilitas signifikansi tingkat signifikansi yang ditent ukan α
= 0,05, maka H ditolak dan H
a
diterima. 2.
Apabila probabilitas signifikansi tingkat signifikansi yang ditentukan α = 0,05, maka H
diterima dan H
a
ditolak.
