50
pengganggu pada periode t-1 sebelumnya. Menurut Ghazali 2005:110 untuk mendeteksi ada atau tidaknya autokorelasi dapat menggunakan uji Durbin-Watson
DW test.
Tabel 4.5 Hasil Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.946
a
.894 .889
439.38587 1.964
a. Predictors: Constant, EPS, ROE, EVA b. Dependent Variable: MV
Sumber: Hasil Penelitian, 2015 Data diolah
Berdasarkan uji autokorelasi pada Tabel 4.5 menunjukkan bahwa nilai Durbin-Watson sebesar 1,964. Nilai d dibandingkan dengan nilai dl dan du pada n
= 63 dan k = 4 sehingga diperoleh nilai dl sebesar 1,49433 dan du sebesar 1,65810. Hal ini sesuai dengan ketentuan du d 4-du, yaitu 1,65810 1,964
2,3419 yang menunjukkan bahwa tidak terjadi autokorelasi positif dan negatif, sehingga dapat disimpulkan bahwa analisis regresi tidak terdapat autokorelasi.
4.5 Regresi Linear Berganda
Dalam hal ini model regresi diperlukan untuk melakukan pengujian hipotesis berdasarkan taksiran parameter maupun untuk proses peramalan. Dengan
menggunakan alat bantu komputer melalui program SPSS, maka nilai regresi linear berganda dapat dilihat dalam Tabel 4.6 sebagai berikut:
51
Tabel 4.6 Hasil Analisis Regresi Linear Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
B Std. Error
Beta 1
Constant 390.578
128.685 EVA
.001 .000
.224 ROE
-3152.024 1081.438
-.149 EPS
10.369 .825
.846 a. Dependent Variable: MV
Sumber: Hasil Penelitian , 2015 Data Diolah
Berdasarkan tabel hasil uji regresi linier berganda di atas, maka dapat dilakukan spesifikasi model menjadi persamaan regresi linier berganda. Model
tersebut menggunakan beta standardized coefficients dikarenakan satuan dari variabel-variabel berbeda. Model regresi linier berganda sebagai berikut:
MV = 0,224 EVA – 0,149 ROE + 0,846 EPS + e Persamaan regresi tersebut dapat diperjelas:
1 Koefisien EVA Economic Value Added sebesar 0,224 menunjukkan bahwa setiap penambahan karena tanda + EVA sebesar 1 maka akan menambah
pengaruh market value MV sebesar 0,224. 2 Koefisien ROE Return On Equity sebesar - 0,149, menunjukkan bahwa
setiap penambahan karena tanda - ROE sebesar 1 maka akan mengurangi pengaruh market value MV sebesar - 0,149.
3 Koefisien EPS Earning Per Share sebesar 0,846, menunjukkan bahwa setiap penambahan karena tanda + EPS sebesar 1 maka akan menambah
pengaruh market value MV sebesar 0,846.
52
4.6 Uji Signifikan Simultan Uji Statistik F
Berdasarkan hasil output SPSS nampak bahwa pengaruh secara bersama- sama variabel independen tersebut EVA, ROE, dan EPS terhadap MV seperti
ditunjukkan pada Tabel 4.7 sebagai berikut:
Tabel 4.7 Hasil Regresi untuk Uji F Simultan
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
9.612E7 3
3.204E7 165.953
.000
a
Residual 1.139E7
59 193059.944
Total 1.075E8
62 a. Predictors: Constant, EPS, ROE, EVA
b. Dependent Variable: MV
Sumber: Hasil Penelitian , 2015 Data Diolah
Dari hasil perhitungan diperoleh nilai F
hitung
sebesar 165,953 yang lebih besar dari F
tabel
sebesar 2,7607 dan nilai signifikan sebesar 0,000. Karena nilai signifikan lebih kecil dari 0,05 atau 5 maka model layak goodness of fit. Yang artinya H
ditolak dan H
a
diterima sehingga terdapat pengaruh yang signifikan secara bersama-sama dari EVA, ROE, dan EPS terhadap MV.
4.7 Uji Signifikan Parsial Uji Statistik t
