Dari tabel uji Gleiser di atas bahwa tidak ada satupun variabel independen yang signifikan secara statistic mempengaruhi
variabel dependen nilai absolute residual AbsRes. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5
persen. Jadi dapat disimpulkan model regresi tidak mengandung heteroskedastisitas.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu
pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang
berkaitan satu dengan lainnya. Hal ini sering ditemukan pada time series.
Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah auto kolerasi di antaranya dengan uji Durbin
Watson, karena uji ini yang umum digunakan. Kriteria uji Durbin Watson menurut Erlina 2011 : 106:
1. Bila nilai Durbin-Watson DW terletak antara batas
atas atau upper Bound DU dan 4-DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi.
Universitas Sumatera Utara
2. Bila nilai DW lebih rendah dari pada batas bawah atau
Lower Bound I DL, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar dari pada 4-DL, maka
koefisien autokolerasi lebih kecil dari nol, berarti ada autokorelasi negative.
4. Bila nilai DW terletak di antara batas atas DU dan
batas bawah DL, atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan
Ghozali,2001
Tabel 4.8 Uji Autokorelasi
Sumber: Penulis, 2013
Nilai Durbin-Watson sebesar 2.036, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan signifikan 5
persen, jumlah sampel n 42 dan jumlah variabel independen 4 k=4. Dari tabel Durbin-Watson diketahui bahwa nilai Durbin-
Watson tersebut berada di antara batas bawah dl 1,3064 dan batas atas du 1,7207 dan kurang dari 4 – 1,7207 4-du, maka dapat
Model Summary
b
Mod el
R R
Square Adjusted
R Square Std. Error of
the Estimate Change Statistics
Durbin- Watson
R Square Change F Change df1 df2
Sig. F Change
1 .431
a
.185 .097
.41561 .185
2.106 4
37 .100 2.036
a. Predictors: Constant, Arus Kas dari Aktivitas Investasi Per Saham, Arus Kas dari Aktivitas Operasi Per Saham, Laba Kotor Per Saham, Laba Bersih Per Saham
b. Dependent Variable: Return Saham
Universitas Sumatera Utara
disimpulkan bahwa dari angka Durbin-Watson tersebut tidak terjadi autokorelasi.
4.2.3 Pengujian Hipotesis Penelitian 4.2.3.1 Model Regresi Linear Berganda
