53
Tabel 4.2 Hasil Uji Multikolonieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
ROE .604
1.655 DER
.602 1.662
SukuBunga .979
1.021 LnNilaiTukar
.975 1.026
a. Dependent Variable: LnHargaSaham
Sumber: Hasil Penelitian, 2015 Data Diolah
Dari Tabel 4.2 menunjukkan bahwa tolerance dari setiap variabel adalah lebih besar 0,10dan nilai VIF setiap variabel independen adalah lebih kecil dari
10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel indpenden.
3. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel residual satu ke pengamatan yang lain. Model
regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2011:105. Dalam penelitian ini, gejala heterokedastisitas didteksi dengan menggunakan grafik
scatterplot dan uji glejser.
54 Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.3 Grafik
Scatterplot
Dari grafik scatterplot menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, serta tidak
membentuk pola tertentu Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedasitas pada model regresi, sehingga model regresi ini layak untuk
digunakan.
55
Tabel 4.3 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -6.953
6.306 -1.103
.272 ROE
1.224 .630
.229 1.944
.054 DER
-.170 .119
-.169 -1.427
.156 SukuBunga
-4.375 13.097
-.031 -.334
.739 LnNilaiTukar
.868 .672
.120 1.292
.199 a. Dependent Variable: abs_res
Sumber: Hasil Penelitian, 2015 Data Diolah
Dari Tabel 4.4 menunjukkan bahwa nilai signifikansi variabel return on equity ROE, debt to equity ratio DER, suku bunga, dan nilai tukar lebih besar
dari 0,05. Dengan demikian dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam model regresi ini.
4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin
Watson.
56
Tabel 4.4 Hasil Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.670
a
.449 .429
.86901 1.904
a. Predictors: Constant, LnNilaiTukar, ROE, SukuBunga, DER b. Dependent Variable: LnHargaSaham
Sumber: Hasil Penelitian, 2015 Data Diolah
Hasil uji autokorelasi pada Tabel 4.5 menunjukkan bahwa nilai Durbin- Watson sebesar 1,904. Nilai d dibandingkan dl dan du pada n = 118 dan k = 4
sehingga diperoleh nilai dl sebesar 1,6479 dan du sebesar 1,7520. Hal ini sesuai dengan ketentuan du d 4-du, yaitu 1,7520 1,904 2,248 yang
menunjukkan bahwa tidak terjadi autokorelasi positif dan negatif, sehingga dapat disimpulkan bahwa analisis regresi tidak terdapat autokorelasi.
4.2.3 Metode Analisis Statistika Deskriptif
