2,1042,2538. Hal ini dapat diartikan tidak terdapat autokorelasi positif ataupun negatif pada persamaan regresi.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square
Adjusted R
Square Std.
Error of the
Estimate Durbin-
Watson 1
,369 ,136 ,012 1,13691
2,104 a.
Predictors: Constant, Ln_MVA, Ln_DOL, Ln_EPS, Ln_EVA b.
Dependent Variable: Ln_Return
Sumber: Hasil Penelitian, 2014 Data diolah
4.3.4 Hasil Uji Heteroskedastisitas
Pendeteksian masalah heteroskedastisitas dalam model regresi dilakukan dengan menggunakan grafik plot antara nilai prediksi variabel dependen. Jika pada
grafik terdapat pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.Dan apabila tidak ada pola yang jelas, maka tidak terjadi
heteroskedastisitas pada model.
Sumber: Hasil Penelitian, 2014 Data diolah
Gambar 4.3 Hasil Uji Heteroskedastisitas Grafik Scatterplot
Pada Gambar 4.3 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan
bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi
Universitas Sumatera Utara
layak dipakai untuk memprediksi return saham berdasarkan masukan variabel independen EVA, EPS, DOL, dan MVA.
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah
pengamatan semakin sulit menginterprestasikan hasil grafik plot.Oleh sebab itu, diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil.Uji statistik yang
digunakan adalah uji Glejser.Pada uji Glejser indikator tidak terjadi heteroskedastisitas, jika probabilitas signifikansinya di atas tingkat kepercayaan
5.Hasil uji Glejser tampak pada Tabel 4.6 berikut ini.
Tabel 4.6 Hasil Uji Heteroskedastisitas Sebelum Transformasi Data Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant ,506
,085 5,933
,000 EVA
1,969E-9 ,000
,015 ,137
,892 EPS
,000 ,000
-,291 -2,424
,018 DOL
,019 ,028
,074 ,676
,501 MVA
-1,514E-9 ,000
-,265 -2,227
,029 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2014 Data diolah Pada Tabel 4.6 terlihat beberapa variabel independen seperti EPS dan MVA
yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.Berdasarkan variabel independen EPS dan MVA tersebut, diketahui
probabilitas signifikansinya di bawah tingkat kepercayaan 5.Hal ini berarti model regresi mengarah adanya heteroskedastisitas. Oleh karena itu, dilakukan perbaikan
data yang tidak terdistribusi secara normal dengan cara melakukan transformasi
Universitas Sumatera Utara
data ke dalam Logaritma Natural Ln. Hasil uji Glejser tampak pada Tabel 4.7 berikut ini.
Tabel 4.7 Hasil Uji Heteroskedastisitas Setelah Transformasi Data Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3,373
2,280 1,479
,150 Ln_EVA
,024 ,178
,041 ,136
,892 Ln_EPS
-,015 ,152
-,023 -,098
,922 Ln_DOL
,080 ,217
,073 ,368
,716 Ln_MVA
-,171 ,191
-,259 -,895
,378 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2014 Data diolah Pada Tabel 4.7terlihat tidak ada satupun variabel independen yang
signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut, karena probabilitas signifikansinya di atas tingkat kepercayaan 5.Hal ini berarti
model regresi tidak mengarah adanya heteroskedastisitas.
4.4 Analisis Regresi Berganda