pengujian Kolmogorov-Smirnov dan hasil pengujian dengan menggunakan histogram yang menunjukkan bahwa data telah terdistribusi secara normal.
b. Uji Multikolinearitas
Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki hubungan yang kuat dengan variabel independen lain dalam model
regresi, agar pengambilan keputusan pengaruh pada uji parsial masing-masing variabel independen tidak bias. Untuk mengetahui ada tidaknya multikolinearitas
dapat dilihat dari nilai Variance Inflation Factor VIF serta nilai tolerance dan lawannya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2005:91.
Tabel 4.3 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
DEBT TO EQUITY RATIO .991
1.009 RETURN ON EQUITY
.962 1.039
EARNING PER SHARE .700
1.429 PRICE EARNING RATIO
.981 1.020
OPERATING CASH FLOW PER SHARE
.699 1.430
a. Dependent Variable: RETURN SAHAM
Sumber : Output SPSS, diolah Penulis, 2010
Universitas Sumatera Utara Universitas Sumatera Utara
Data pada tabel 4.3 menunjukkan bahwa tidak terjadi multikolinearitas pada penelitian ini. Dasar nilai VIF untuk setiap variabel independen tidak ada yang
melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0,1. Oleh karena itu, analisis lebih lanjut dapat dilakukan dengan menggunakan model regresi
berganda.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam
autokorelasi diantaranya adalah dengan Uji Durbin Watson. Menurut Sunyoto 2009:91, untuk melihat ada tidaknya autokorelasi dilihat dari:
1 angka D-W dibawah –2 berarti ada autokorelasi positif,
2 angka D-W di antara –2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-Wdi atas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .231
a
.054 .015
49.56689 1.875
a. Predictors: Constant, OPERATING CASH FLOW PER SHARE, PRICE EARNING RATIO, DEBT TO EQUITY RATIO, RETURN ON EQUITY, EARNING PER SHARE
b. Dependent Variable: RETURN SAHAM
Universitas Sumatera Utara Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2010 Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW
sebesar 1,875. Angka D-W berada diantara -2 dan 2 21,875-2, yang berarti bahwa tidak ada autokorelasi yang terjadi dalam penelitian ini. Oleh karena itu,
dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif dalam model regresi ini.
d. Uji Heteroskedastisitas
