Gambar 4.3 Scatter Plot Uji Heteroskedastisitas
Sumber : Data diolah penulis, 2013 Berdasarkan Gambar 4.3, terlihat titik-titik menyebar secara acak tidak
membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi
heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Return Saham perusahaan pertambangan yang terdaftar di BEI
berdasarkan masukan variabel independen EVA, MVA, dan PER.
4.3.4 Uji Autokorelasi
Dalam uji autokolerasi ini kita dapat menguji apakah dalam model regresi linier ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan-
Universitas Sumatera Utara
kesalahan pengganggu pada periode sebelumnya. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat.
Sehingga model regresi yang baik adalah model regresi yang bebas autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi
adalah dengan melakukan pengujian Durbin-Watson D-W. Hasil uji Durbin- Watson ditunjukkan pada tabel berikut ini :
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.423
a
.179 .067
1.40400 2.307
a. Predictors: Constant, LnPER, LnEVA, LnMVA b. Dependent Variable: LnReturnSaham
Sumber : Diolah penulis, 2013
Kriteria untuk penilaian terjadinya autokorelasi yaitu: 1
Nilai D-W lebih besar dari 0 dan lebih kecil dari dl maka tidak ada autokorelsi positif
2 Nilai D-W lebih besar dari 4-dl dan lebih kecil dari 4 maka ada autokorelsi
positif 3
Nilai D-W lebih besar du dan lebih kecil dari 4-du maka tidak ada korelasi negative, tidak ada autokorelasi positif atau negative.
Dari hasil tabel diatas diketahui bahwa nilai nilai D-W adalah : 1.68892.3072.3111 yang berarti termasuk pada kriteria ketiga, sehingga dapat
disimpulkan bahwa model regresi bebas dari masalah autokorelasi
Universitas Sumatera Utara
Tabel 4.5 Model summary
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.423
a
.179 .067
1.40400 2.307
a. Predictors: Constant, LnPER, LnEVA, LnMVA b. Dependent Variable: LnReturnSaham
Sumber : Diolah penulis, 2013
Pada tabel 4.5 di atas, dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai R sebesar 0.423 menunjukkan bahwa korelasi atau
hubungan antara Return Saham dengan Economic Value Added, Market Value Added dan Price Earning Ratio mempunyai tingkat hubungan yang sedang, yaitu
sebesar 42,3 Tingkat hubungan yang sedang dapat dilihat pada tabel pedoman untuk memberi interprestasi koefisien korelasi.
Tabel 4.6 Pedoman untuk memberikan Interpretasi Koefisien Korelasi
Interval koefisien Tingkat hubungan
0.000-0.199 Sangat rendah
0.200-0.399 Rendah
0.400-0.599 Sedang
0.600-0.799 Kuat
0.800-1.000 Sangat kuat
Universitas Sumatera Utara
Sumber : Sugiyo 2006:183 Nilai Adjusted R Square atau koefisien adalah sebesar 0,067. Angka ini
mengidentifikasikan bahwa Return Saham mampu dijelaskan oleh Economic Value Added, Market Value Added dan Price Earning Ratio 6.7 sedangkan
selebihnya sebesar 93.3 dijelaskan oleh sebab-sebab lain. Kemudian standard error of the estimate adalah sebesar 1.40400. Standard error of the estimate
artinya mengukur variasi dari nilai yang diprediksi. Standard error of the estimate juga bisa disebut standar deviasi, standard error of the estimate dalam penelitian
ini sebesar 1.40400. semakin kecil standard error of the estimate berarti model semakin baik.
4.4 Pengujian Hipotesis
