52
4.3.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005:58, “deteksi
multikolinearitas pada suatu model dapat dilihat, yatu jika nilai Variance Inflation Factor VIF tidak lebih dari 10 maka model dapat dikatakan terbebas dari
multikolinearitas.”
Tabel 4.4 Hasil Uji Multokolinearitas
Coefficient Correlations
a
Model DPS
NPM 1
Correlations DPS
1.000 -.328
NPM -.328
1.000 Covariances
DPS 14.484
-4740.556 NPM
-4740.556 14420950.050
a. Dependent Variable: Harga_Saham
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
592.119 327.048
1.810 .075 NPM
-346.990 3797.493
-.009 -.091 .927
.892 1.121
DPS 22.328
3.806 .600
5.867 .000 .892
1.121 a. Dependent Variable: Harga_Saham
Sumber: Output SPSS Melihat hasil pada Tabel 4.4 nilai tolerance menunjukkan tidak ada
variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti
Universitas Sumatera utara
53
tidak ada korelasi antara variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
4.3.3 Uji Heterokedastisitas
Menurut Ghozalli 2011, uji heterokedastisistas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan yang lain tetap, maka disebut Homokedastisitas dan jika berbeda
disebut Heterokedastisitas. Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heterokedastisitas. Kebanyakan data cross
section mengandung situasi heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran.
Cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan melakukan Uji Park. Park mengemukakan metode bahwa variance S
2
merupakan fungsi dari variabel-variabel independen yang dinyatakan dalam persamaan sebagai berikut:
σ
2
i = α Xiβ persamaan ini dijadikan linier dalam bentuk persamaan logaritma sehingga
menjadi : Ln σ
2
i = α + β LnXi + vi Karena S
2
i umumnya tidak diketahui, maka dapat ditaksir dengan menggunakan residual Ut sebagai Proksi, sehingga persamaan menjadi :
Universitas Sumatera utara
54
LnU
2
i = α + β LnXi + vi Uji Park dilakukan dengan melakukan regresi variabel logaritma natural dari
kuadrat residual LnU
2
i dengan variabel logaritma natural NPM dan variabel logaritma natural variabel DPS, sehingga persamaan regresi menjadi :
LnU2i = b + b
1
LnNPM + b
2
LnDPS Apabila koefisien parameter beta dari persamaan regresi tersebut
signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heterokedastisitas, dan sebaliknya jika parameter beta
tidak signifikan secara statistik, maka asumsi homokedastisitas pada data model empiris tersebut tidak dapat ditolak.
Tabel 4.5 Hasil Uji Park
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 12.753
.414 30.828
.000 NPM
-4.800 4.804
-.120 -.999
.321 DPS
.014 .005
.355 2.957
.004 a. Dependent Variable: LnU2i
Sumber: Output SPSS Hasil tampilan Tabel 4.5 diatas menunjukkan koefisien untuk variabel
independen tidak ada yang signifikan secara statistik, maka dapat disimpulkan bahwa model regresi tidak terdapat heterokedastisitas.
4.3.4 Uji Autokolerasi