45
Tabel 4.3 menunjukkan bahwa semua variabel memiliki nilai tolerance diatas 0,10 dan nilai variance inflation factor VIF lebih
kecil dari 10 sehingga dapat disimpulkan bahwa model regresi bebas multikolinearitas.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear terdapat korelasi antara residual pada periode t
dengan residual periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Cara yang dapat digunakan
untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson DW. Berikut ini adalah tabel pengambilan keputusan
ada tidaknya korelasi.
Tabel 4.4 Pengambilan keputusan ada tidaknya korelasi
No Hipotesis Nol
Keputusan Jika
1 Tidak ada autokorelasi positif
Tolak 0ddl
2 Tidak ada autokorelasi positif
No Desicion dl
≤d≤du 3
Tidak ada korelasi negatif Tolak
4-dld4 4
Tidak ada korelasi negatif No Desicion
4-du ≤d≤4-dl
5 Tidak ada autokorelasi positif atau
negatif Tidak Tolak
dud4-du
Tabel 4.5 Hasil Uji Autokorelasi
a. Predictors: Constant, PTA_ROE, DER, ROE, PTA_DER, PTA b. Dependent Variable: PBV
Sumber: Lampiran 3
Model Durbin-Watson
1 2.198
46
Tabel 4.5 menunjukkan bahwa nilai DW sebesar 2,198, nilai ini kemudian dibandingkan dengan nilai tabel dengan menggunakan
nilai signifikansi 5, jumlah sampel 65 n=65 dan jumlah variabel independen 5 k=5. Maka dari tabel Durbin Watson didapatkan nilai
batas bawah dl adalah sebesar 1,438 dan batas atas du adalah sebesar
1,767. Oleh karena nilai DW 2,198 lebih besar dari batas atas du
1,767 dan kurang dari 4 - 1,767 = 2,233 4-du, maka dapat disimpulkan tidak terdapat masalah autokorelasi positif atau negatif du
d 4 – du atau 1,767 2,198 2,233 atau dengan kata lain model regresi bebas autokorelasi.
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu
pengamatan ke pengamatan lain.Uji heteroskedastisitas dapat dideteksi dengan melihat grafik plot, namun analisis dengan grafik plot memiliki
kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh sebab itu diperlukan uji
statistik yang lebih dapat menjamin keakuratan hasil. Uji statistik yang digunakan dalam penelitian ini adalah uji Glejser. Apabila nilai sig.
0,05 maka data bebas dari heteroskedastisitas. Hasil pengujian
47
heteroskedastisitas dapat dilihat pada gambar 4.3 dan tabel 4.6 berikut
ini.
Gambar 4.3 Grafik Scatterplot Hasil Uji Heteroskedastisitas
Gambar 4.3 menunjukkan bahwa dari grafik scaterrplots terlihat titik-titik menyebar secara acak serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu. Hal ini dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi.
Tabel 4.6 Hasil Uji Glejser
Tabel 4.6 menunjukkan bahwa tidak ada satupun variabel independen dan moderat yang signifikan secara statistik mempengaruhi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant .841
.402 2.090
.041 DER
-.145 .371
-.063 -.390
.698 ROE
4.293 2.611
.289 1.644
.105 PTA
-1.375 1.870
-.206 -.735
.465 PTA_DER
.371 .811
.098 .458
.649 PTA_ROE
10.870 14.392
.227 .755
.453 a. Dependent Variable: ABSUT
48
variabel dependen nilai Absolut Ut AbsUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat
disimpulkan model regresi tidak mengandung adanya heteroskedastisitas sesuai dengan hasil pada grafik scaterrplots.
4.2.3 Pengujian Hipotesis 4.2.3.1 Koefisien Determinasi