Uji Asumsi Klasik Uji Kualitas data 1.

demikian dapat disimpulkan bahwa model regresi tersebut telah memenuhi asumsi normalitas.

4.3.2. Uji Asumsi Klasik

Tujuan dari pengujian asumsi klasik analisis regresi adalah untuk mengetahui secara pasti apakah model regresi linier berganda menghasilkan keputusan yang BLUE Best Linear Unbiased Estimator, dalam arti pengambilan keputusan melalui uji F dan uji t tidak bias.

1. Heteroskedastisitas

Heteroskedastisitas merupakan suatu keadaan dimana terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik tidak mengandung heroskedastisitas. Pengujian heteroskedastisitas dalam penelitian ini menggunakan metode Rank Spearman, yaitu dengan cara menghitung korelasi Rank Spearman antara unstandardized residual dengan seluruh variabel bebas, apabila nilai signifikansi α α = 0.05 maka tidak terjadi heteroskedastisitas Gujarati, 1995:188. Dari hasil pengujian asumsi klasik yang telah dilakukan pada asumsi heteroskedastisitas, diketahui bahwa asumsi tidak adanya heteroskedastisitas pada model regresi tidak terpenuhi karena variabel Return On Equity ROE dan Earning Per Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Share EPS memiliki nilai signifikansi kurang dari 0.05. Berikut hasil pengujian untuk asumsi heteroskedastisitas : Tabel 4.6 : Hasil Uji Heteroskedastisitas Variabel Nilai Signifikansi Korelasi Rank Spearman Return On Equity X 1 0.005 Earning Per Share X 2 0.047 Net Profit Margin X 3 0.361 Sumber: Lampiran 3 Penanganan asumsi heteroskedastisitas yang tidak terpenuhi dilakukan dengan transformasi Logaritma pada data penelitian. Hasil setelah transformasi adalah sebagai berikut : Tabel 4.7 : Hasil Uji Heteroskedastisitas setelah transformasi Variabel Nilai Signifikansi Korelasi Rank Spearman Return On Equity X 1 0.773 Earning Per Share X 2 0.428 Net Profit Margin X 3 0.927 Sumber : Lampiran 3 Berdasarkan hasil analisis di atas menunjukkan bahwa nilai signifikansi korelasi Rank Spearman untuk semua variabel bebas lebih besar dari 0.05 alpha 5, yang berarti tidak terdapat korelasi antara residual dengan variabel bebasnya. Dari hasil tersebut maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.

2. Autokorelasi

Autokorelasi menunjukkan dalam sebuah model regresi linier terdapat kesalahan pengganggu pada periode waktu Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. dengan kesalahan pada periode waktu sebelumnya. Model regresi yang baik bebas dari autokorelasi. Pendeteksian ada tidaknya autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson DW-test. Suatu observasi dikatakan tidak terjadi autokorelasi jika nilai Durbin Watson terletak antara batas atas atau upper bound du dan 4-du Ghozali, 2004: 99. Berikut adalah nilai Durbin Watson yang dihasilkan dari model regresi : Tabel 4.8 Hasil Uji Autokorelasi Du Durbin-Watson 4-du 1.65 2.884 2.35 Sumber: Lampiran 3 Berdasarkan tabel diatas diketahui nilai Durbin – Watson DW adalah 2.884, yang berada diluar rentang 1.65 sampai dengan 2.35 sehingga pengujian autokorelasi belum terpenuhi. Tabel 4.9 : Hasil Uji Autokorelasi setelah transformasi Du Durbin-Watson 4-du 1.65 2.322 2.35 Sumber : Lampiran 3 Berdasarkan tabel di atas diketahui nilai Durbin- Watson DW adalah 2.322, dimana nilainya terletak pada batas antara du dan 4-du yaitu 1.965 2.322 2.35. Sehingga dari hasil tersebut dapat disimpulkan bahwa model regresi Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. tidak mengindikasikan adanya autokorelasi atau asumsi bebas autokorelasi pada model terpenuhi.

3. Multikolinieritas

Multikolinieritas menunjukkan adanya korelasi antar variabel bebas dalam model regresi. Model regresi yang baik tidak mengandung multikolinieritas. Untuk mendeteksi ada tidaknya multikolinieritas digunakan Variance Inflation Factor VIF. Apabila nilai VIF 10 dan mempunyai angka tolerance 0.10 berarti dalam persamaan regresi tidak ditemukan adanya kolerasi antar variabel bebas atau bebas multikolinieritas Ghozali, 2004: 96. Pengujian hipotesis menghasilkan nilai VIF seperti pada tabel di bawah ini : Tabel 4.10 : Hasil Uji Multikolinieritas Variabel Bebas Tolerance VIF Return On Equity ROE 0.659 1.518 Earning Per Share EPS 0.640 1.562 Net Profit Margin NPM 0.792 1.263 Sumber: Lampiran 3 Berdasarkan Tabel di atas, dapat dilihat bahwa nilai tolerance ketiga variabel bebas lebih besar dari 0.10, demikian pula nilai VIF semuanya kurang dari 10. Dengan demikian dapat disimpulkan bahwa model regresi tidak mengindikasikan adanya multikolinieritas atau asumsi non multikolinieritas terpenuhi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.4. Analisis dan Pengujian Hipotesis