56
F. Evaluasi Multikolinieritas Proksi Berbasis Harga Saham
Multikolinieritas dapat dilihat melalui determinan matriks kovarians. Nilai determinan yang sangat kecil menunjukan indikasi
terdapatnya masalah Multikolinieritas atau singularitas, sehingga data tersebut tidak dapat digunakan untuk penelitian.
Tabel 4.9 Sample Covariances Uji Multikolonieritas
GROWSAL GROWEAR
GROWEQ GROWAS
MVABVA MVEBVE
PER EP
GROWSAL .049
GROWEAR -2.332
6086.042 GROWEQ
-3.299 7251.454
20832.851 GROWAS
-1.095 -107.127
10546.980 9877.04
MVABVA 1.013
-321.796 -775.610
-470.98 13611.616
MVEBVE 4.839
-675.282 -2907.583
-1675.40 28210.676
177440.35 PER
4.339 -201.672
-412.366 -211.43
1714.227 7913.111
10040.86 EP
.053 -23.007
-33.229 -9.940
-106.816 -387.099
-55.114 36.95
Condition number = 4042397.832 Eigenvalues
182624.179 28865.748 9814.041 8730.368 7680.153 175.688 35.538 .045 Determinant of sample covariance matrix = 978459627486742000000000.000
Sumber : data diolah
Berdasarkan tabel 4.9 hasil output AMOS memberikan nilai determinan
of sample
covariance matrix
sebesar 978459627486742000000000.000. Nilai tersebut jauh dari angka nol
sehingga dapat
disimpulkan bahwa
tidak terdapat
masalah multikolinieritas dan singularitas pada data yang dianalisis.
G. Uji Discriminant Validity Proksi Berbasis Harga Saham
Uji Discriminant validity merupakan uji yang digunakan untuk mengukur sampai seberapa jauh suatu konstruk benar-benar berbeda dari
konstruk yang lainnya. Nilai discriminant validity yang tinggi memberikan
57 bukti bahwa suatu konstruk adalah unik dan mampu menangkap fenomena
yang diukur. Cara pengujiannya adalah membandingkan nilai akar kuadrat dari Analysis Variance Extracted AVE dengan nilai korelasi antar
konstruk. Jumlah kuadrat standar loading
2
i didapat dari table 4.7 :
Proksi basis Saham : 0.199
2
+ -0.227
2
+ -.807
2
+ -0.711
2
= 1.248 Realisasi
: 0.735
2
+ 1
2
+ 0.644
2
+ -0.103
2
= 1.966 Jumlah kesalahan pengukuran
2
1 i
atau variansi error : Proksi basis Saham : 1-0.199
2
+ 1--0.227
2
+ 1--0.807
2
+ 1-- 0.711
2
= 2.752 Realisasi
: 1-0.735
2
+ 1-1
2
+ 1-0.644
2
+ 1--0.103
2
= 2.034
n i
n i
n i
i i
i AVE
1 1
2 1
2
var
Jadi untuk setiap variable konstruk adalah sebagai berikut nilai AVE: Proksi basis Saham :
312 .
752 .
2 248
. 1
248 .
1
Realisasi
: 4915
. 034
. 2
966 .
1 966
. 1
Berikut ini adalah nilai akar kuadrat AVE dari setiap variable konstruk : Proksi basis Saham :
559 .
312 .
Realisasi
: 701
. 4915
.
58 Tabel 4.10
Hubungan Proksi Berbasis Harga Saham terhadap Realisasi Pertumbuhan Estimate
Proksi berbasis_harga saham -- Realisasi_pertumbuhan .059
e8 -- e6
-.940 Sumber : data diolah
Tabel 4.11 Korelasi antar Konstruk dan Akar Kuadrat AVE Proksi Harga Saham
Saham Realisasi
Saham 0.559
Realisasi 0.059
0.701 Sumber : data diolah
Berdasarkan table 4.11 dapat disimpulkan bahwa semua konstruk laten yang ada pada model memiliki nilai akar kuadrat AVE yang lebih
tinggi dibandingkan dengan nilai korelasi antar konstuk dan ini menunjukan convergent validity yang baik. Sehingga hal ini sama dengan
pengujian multikolinieritas dengan menggunakan nilai Determinant of sample covariance matrix yang menyatakan bahwa suatu konstruk benar-
benar berbeda dengan konstruk lainnya independen. Berdasarkan tabel 4.10 maka dapat terlihat bahwa nilai korelasi
dari proksi berbasis harga saham terhadap realisasi pertumbuhan bernilai positif yaitu 0.059. sehingga sama dengan penelitian sebelumnya dan sama
dengan teori yang menyatakan korelasi antara proksi berbasis harga saham memiliki nilai korelasi yang positif terhadap realisasi pertumbuhan. Dan
hal tersebut baik untuk suatu perusahaan.
59
H. Analisis Data Investasi dengan Menggunakan SEM
Kategori