Coefficients
a
Model Collinearity
Statistics
Toleranc e
VIF 1
Constant Dividend Payout Ratio .757
1.322 Current Ratio
.967 1.034
Variance of Earning Growth
.737 1.357
a. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Dari data pada Tabel 4.8, dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel independen yang lebih besar dari 0,1 dan nilai VIF lebih kecil dari 10 yakni. Disimpulkan bahwa analisis lebih lanjut
dapat dilakukan dengan menggunakan model regresi berganda.
c. Uji Heteroskedastisitas
Uji heteroskedastisitias bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastistas. Menurut Nugroho 2005:62 cara memprediksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1 titik-titik data menyebar di atas, di bawah atau di sekitar angka 0,
2 titik-titik data tidak mengumpul hanya di atas dan dibawah saja,
3 penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali, 4
penyebaran titik-titik data sebaiknya tidak berpola. Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak
serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model
regresi sehingga model regresi layak dipakai untuk memprediksi PER perusahaan manufaktur yang terdaftar di BEI berdasarkan masukan
variabel independen DPR, CR dan VEG.
Sumber: Output SPSS
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
d. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang
diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan
untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin-Watson D-W. Tabel 4.9 berikut menyajikan hasil uji
D-W dengan menggunakan program SPSS Versi 17.0.
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .937
a
.878 .862
6.016103 1.927
a. Predictors: Constant, Variance of Earning Growth, Current Ratio, Dividend Payout Ratio
b. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Kriteria untuk penilaian terjadinya autokorelasi yaitu: 1
nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
2 nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
Dari hasil tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,927 yang berarti termasuk pada kriteria kedua, sehingga dapat
disimpulkan bahwa model regresi bebas dari masalah autokorelasi.
3. Pengujian Hipotesis
