c. Uji Asumsi Klasik Autokorelasi
Menguji kemungkinan terjadinya autokorelasi bertujuan untuk mengetahui apakah kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini karena residual tidak bebas dari satu observasi ke observasi
lainnya.Priyatno 2012:172 model regresi yang baik adalah regresi yang tidak terjadi masalah autokorelasi. Untuk mengetahui ada tidaknya autokorelasi kita
harus melihat nilai uji Durbin-Watson DW testdengan ketentuan sebagai berikut: 1.
DUDW4-DU maka tidak terjadi autokorelasi 2.
DWDL atau DW4-DL maka terjadi autokorelasi 3.
DLDWDU atau 4-DUDW4-DL, artinya tidak ada kepastian atau kesimpulan yang pasti.
Tabel 8 Uji Durbin –Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .661
a
.438 .348
.72440 2.005
a. Predictors: Constant, ROE, PBV, EPS, Leverage ratio b. Dependent Variable: Return Saham
Sumber: Data sekunder yang diolah
Hasil uji Durbin-Watson pada tabel 8 menunjukkan bahwa nilai Durbin Watson DW sebesar 2,005. Sedangkan besarnya DW-tabel: dl batas luar = 1,1426 du
batas dalam =1,7386; 4 – du =2,2614 ; dan 4 – dl =2,8574 . Dapat disimpulkan
bahwa model regresi tersebut berada pada posisi DU DW 4-DU yaitu 1,7382,0052,2614 artinya tidak terjadi autokorelasi.
d. Uji Asumsi Klasik Heteroskedasitisitas
Heteroskedastisitas adalah keadaan dimana dalam model regresi terjadi
ketidaksamaan varian dari residual pada satu pengamatan ke pengamatan lain. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas
Priyatno 2012:158.Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar
baik diatas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil
uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukkan pada Gambar berikut ini:
Sumber: Data sekunder yang diolah
Gambar 3. Grafik Scatterplot
Dengan melihat grafik scatterplot pada gambar 3 di atas, terlihat titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y.Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
Uji heteroskedastisitas lainnya yaitu uji koefisien korelasi Spearman’s Rho yaitu
dengan mengorelasikan variabel independen dengan nilai unstandardized residual. Berikut ini adalah tabel yang menjelaskan uji koefisien korelasi Spearman’s Rho:
Tabel 9 Uji Koefisien Korelasi Spearmans Rho
Correlations
EPS PBV
Leverage ratio
ROE Unstandar
dized Residual
Spearmans rho
EPS Correlation
Coefficient 1.000
.575 -.643
.388 -.204
Sig. 2-tailed .
.001 .000
.034 .278
N 30
30 30
30 30
PBV Correlation
Coefficient .575
1.000 -.572
.237 -.060
Sig. 2-tailed .001
. .001
.208 .752
N 30
30 30
30 30
Leverage ratio Correlation
Coefficient -.643
-.572 1.000
-.299 .182
Sig. 2-tailed .000
.001 .
.109 .336
N 30
30 30
30 30
ROE Correlation
Coefficient .388
.237 -.299
1.000 -.195
Sig. 2-tailed .034
.208 .109
. .303
N 30
30 30
30 30
Unstandardized Residual
Correlation Coefficient
-.204 -.060
.182 -.195
1.000 Sig. 2-tailed
.278 .752
.336 .303
. N
30 30
30 30
30 . Correlation is significant at the 0.01 level 2-
tailed. . Correlation is significant at the 0.05 level 2-
tailed.
Sumber: Data sekunder yang diolah
Kategori