Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan varians dari residual atau pengamatan ke
pengamatan yang lain dengan menggunakan grafik Scatterplot. Model regresi
yang baik adalah tidak terjadi heterokedastisitas Ghozali, 2006:105. Dasar
pengambilan keputusannya, jika ada pola tertentu, seperti titik‐titik yang ada
membentuk pola tertentu yang tertatur bergelombang, melebar, kemudian
menyempit, maka mengindikasikan bahwa telah terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas, serta titik‐titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali,
2006:105.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t‐1 sebelumnya. Model regresi yang baik adalah
regresi yang bebas dari autokorelasi Ghozali, 2006:95.
Deteksi adanya autokorelasi dilakukan dengan menggunakan Durbin‐
Watson DW, dimana:
1 Jika nilai DW dibawah ‐2 maka ada autokorelasi positif.
2 Jika nilai DW diantara ‐2 sampai +2 maka tidak ada autokorelasi.
3 Jika nilai DW diatas +2 maka ada autokorelasi negatif.
3. Uji Hipotesis
a. Uji F Uji Simultan
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel
36
penjelas atau independen secara individual dalam menerangkan variasi
variabel dependen dan digunakan untuk mengetahui ada atau tidaknya
pengaruh masing‐masing variabel independen secara individual terhadap
variabel dependen yang diuji pada tingkat signifikansi 0,05 Ghozali,
2006:84.
b. Uji t Uji Parsial
Uji statistik F menunjukkan apakah semua variabel independen atau
bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama ‐sama terhadap variabel dependen atau terikat. Uji statistik F
digunakan untuk mengetahui pengaruh semua variabel independen yang
dimasukkan dalam model regresi secara bersama‐sama terhadap variabel
dependen yang diuji pada tingkat signifikan 0,05 Ghozali, 2006:84.
c. Uji koefisien determinasi R
2
Nilai R
2
digunakan untuk mengukur tingkat kemampuan model dalam
menerangkan variabel independen. Tapi, karena R
2
mengandung kelemahan
mendasar dimana adanya bias terhadap jumlah variabel independen
yang dimasukkan dalam model. Oleh karena itu, pada penelitian ini
yang digunakan adjusted R
2
berkisar antara nol dan satu. Jika nilai
adjusted R
2
makin mendekati satu maka makin baik kemampuan model
tersebut dalam menjelaskan variabel dependen dan sebaliknya Ghozali,
2006:91.
d. Analisis Regresi Berganda Multiple Regresion Analysis
Persamaan regresi ini bertujuan untuk memprediksi besarnya
keterikatan dengan menggunakan data variabel bebas yang sudah diketahui
37
besarnya
Santoso, 2002:163. Analisa data dalam penelitian ini
menggunakan Analisis Regresi Linier Berganda. Persamaan yang digunakan
dalam
penelitian ini yaitu:
ε +
+ +
+ +
+ =
5 5
4 4
3 3
2 2
1 1
1
X b
X b
X b
X b
X b
a Y
Keterangan: Y
= Return saham
1
a
= Konstanta
5 ,
4 ,
3 ,
2 ,
1
b
= Koefisien regresi masing‐masing variabel
1
X
= EVA
2
X
= MVA
3
X
= EPS
4
X
= ROE
5
X
= Arus Kas Operasi ε = Eror
E. Operasionalisasi Variabel
Menurut Indriantoro dan Supomo 2002 variabel adalah segala sesuatu
yang
dapat diberi berbagai macam nilai. Terdapat 2 macam variabel yaitu: 1.
Variabel Independen
Variabel independen adalah tipe variabel yang menjelaskan atau
mempengaruhi variabel lain. Variabel independen dinamakan pula dengan
variabel yang diduga sebagai sebab presumed cause variable. Variabel
38
