4.3. Analisis dan Pengujian Hipotesis
4.3.1. Asumsi-Asumsi Klasik Regresi
Pengujian asumsi klasik ini perlu dilakukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan betul-betul terbebas dari
adanya gejala multikolinearitas, gejala autokorelasi dan gejala heterokedastisitas. Hasil pengujian disajikan sebagai berikut :
4.3.1.1. Uji Autokorelasi
Pada hasil analisa data yang diperoleh melalui uji asumsi klasik tentang autokorelasi dapat diketahui melalui tabel sebagai berikut:
Tabel 5
Model Summary
b
.863
a
.745 .714
20606.055 1.938
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, EPS, ROE, ROA a.
Dependent Variable: HargaSaham b.
Sumber data: Hasil analisa SPSS
Dari tabel model summary diatas diketahui nilai D-W sebesar 1.938, sedangkan alat deteksi yang dijadikan acuan angka D-W di bawah
–2 sampai +2 berarti tidak ada autokorelasi, maka dapat dinyatakan tidak terdapat autokorelasi antara variabel bebas terhadap variabel terikat.
Dengan demikian model regresi memenuhi persyaratan asumsi klasik tentang autokorelasi.
4.3.1.2.Uji Multikolinieritas
Pada hasil analisa data yang diperoleh melalui uji asumsi klasik dengan menggunakan multikolinearitas dapat diketahui melalui tabel
sebagai berikut:
Tabel 6
Coefficients
a
3759.339 6887.678
.546 .590
-1126.294 1058.386
-.192 -1.064
.297 -.208
.313 3.192
231.253 439.984
.092 .526
.604 .105
.335 2.983
17.783 2.190
.904 8.121
.000 .852
.824 1.213
Constant ROA
ROE EPS
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correlatio ns
Tolerance VIF
Collinearity Statistics
Dependent Variable: HargaSaham a.
Sumber data: Hasil analisa SPSS
Dari tabel koefisien diatas diketahui nilai multikolinear untuk ROA X
1
dalam VIF sebesar 3.192 sedangkan toleransinya sebesar 0.313 hal ini menunjukkan nilai VIF dan toleransi masih kurang dari 10, maka dapat
dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan demikian model regresi memenuhi
persyaratan asumsi klasik tentang multikolinearitas. Untuk nilai multikolinear ROE X
2
dalam VIF sebesar 2.983 dan nilai toleransinya sebesar 0.335 hal ini menunjukkan nilai VIF dan
toleransi masih kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan
demikian model regresi memenuhi persyaratan asumsi klasik tentang multikolinearitas.
Untuk nilai multikolinear EPS X
3
dalam VIF sebesar 1.213 dan nilai toleransinya sebesar 0.824 hal ini menunjukkan nilai VIF dan
toleransi masih kurang dari 10, maka dapat dinyatakan tidak terdeteksi multikolinearitas antara variabel bebas terhadap variabel terikat. Dengan
demikian model regresi memenuhi persyaratan asumsi klasik tentang multikolinearitas.
Dapat dikatakan tidak terjadi multikolinearitas pada semua variabel dengan nilai VIF untuk X
1
= 3.192, X
2
= 2.983, X
3
= 1.213, penelitian ini menunjukkan tidak adanya gejala multikolinearitas karena nilai VIF lebih
kecil dari 10. Dan syarat terjadi multikolinearitas jika nilai VIF Variance Inflation Factor
10.
4.3.1.3. Uji Heteroskedastisitas
Kategori