Yogi Marshal : Pengaruh Economic Value Added, Market Value Added Dan Arus Kas Operasi Terhadap Return Saham, 2010.
Tingkat korelasi antara LN_EVA terhadap LN_AKO menunjukkan angka -0,518 atau -51,8 . Tingkat korelasi antara LN_AKO terhadap LN_MVA menunjukkan
angka -0,402 atau -40,2 . Berdasarkan hasil perhitungan tersebut dapat dibuktikan bahwa tidak terdapat korelasi antar variabel bebas atau tidak terdapat
multikolonieritas. Tingkat korelasi antar variabel bebas dapat dilihat dari tabel berikut :
Tabel 4.5 Cofficient correlations
Coefficient Correlations
a
Model LN_AK
O LN_MVA LN_EVA
1 Correlations LN_AK
O 1.000
-.402 -.518
LN_MV A
-.402 1.000
-.005 LN_EV
A -.518
-.005 1.000
Covariances LN_AK O
.030 -.008
-.010 LN_MV
A -.008
.012 -5.777E-5 LN_EV
A -.010 -5.777E-5
.012 a. Dependent Variable: LN_RETURN_SAHAM
c. Uji Heterokedastisitas
Untuk pengujian heteroskedastisitas, penulis menggunakan alat analisis grafik Scatterplot. Pada analisis grafik Scatterplot,. deteksi ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat jika tidak ada pola tertentu
Yogi Marshal : Pengaruh Economic Value Added, Market Value Added Dan Arus Kas Operasi Terhadap Return Saham, 2010.
pada grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan kata lain homoskedastisitas.
Hasil pengujian dapat ditunjukkan grafik scatterplot antara ZPRED dan SRESID sebagai berikut. Dari grafik scatterplot terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
persamaan regresi.
Gambar 4.1 Grafik Scatterplot
Sumber: diolah penulis, 2009
d. Uji Autokorelasi
Yogi Marshal : Pengaruh Economic Value Added, Market Value Added Dan Arus Kas Operasi Terhadap Return Saham, 2010.
Uji ini bertujuan untuk menganalisis apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan
pada periode t-1. Auto korelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini sering
ditemukan pada time series. Metode yang digunakan penulis telah diungkapkan dalam bab tiga.
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin – Watson sebesar 2,146. Nilai ini akan dibandingkan dengan nilai tabel Durbin – Watson
dengan nilai signifikan 5 , jumlah sampel =50, jumlah variabel independen 3 k=3, maka di tabel Durbin – Watson akan didapat nilai dl = 1,421 dan du =
1,674. Nilai DW sebesar 2,146 terletak diatas batas atas du lebih kecil dari 2,362 4 – 1,674, maka diperoleh kesimpulan tidak ada autokorelasi.
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.267
a
.071 .009
.98254 2.146
a. Predictors: Constant, LN_AKO, LN_MVA, LN_EVA b. Dependent Variable: LN_RETURN_SAHAM
Sumber : data yang dioleh penulis, 2009.
3. Pengujian Hipotesis