41
Return On Assets ROA mempunyai nilai Tolerance sebesar 0,117 0,10 dan nilai VIF sebesar 8,763 10.
Return On Equity ROE mempunyai nilai Tolerance sebesar 0,128 0,10 dan nilai VIF sebesar 5,883 10.
Return On Investment ROI mempunyai nilai Tolerance sebesar 0,138 0,10 dan nilai VIF sebesar 6,003 10.
Debt To Equity Ratio DER mempunyai nilai Tolerance sebesar 0,128 0,10 dan nilai VIF sebesar 7,786 10.
Kesimpulan dari Uji Multikolinearitas ini adalah bahwa semua variabel independen telah lolos uji multikolinearitas.
4.2.1.3 Uji Auto Korelasi
Model regresi yang baik adalah yang bebas dari autokorelasi. Menurut Rochaety 2009 : 241, untuk mendeteksi ada tidaknya
autokorelasi maka dilakukan pengujian Durbin-Watson DW. Untuk mengetahui terjadi atau tidak terjadinya suatu autokorelasi
dapat diketahui dengan melihat nilai Durbin-Watson DW. Menurut Sugiyono 2001:76 mengemukakan bahwa terjadinya autokorelasi jika
nilai Durbin-Watson DW memiliki nilai lebih dari 5, atau Durbin- Watson
DW 5. Berikut ini peneliti menampilkan hasil uji autokorelasi pada Tabel 4.5 dibawah ini:
42
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .788
a
.621 .603
1.47656 2.314
a. Predictors: Constant, LN DER, LN ROI, LN NPM, LN ROE, LN ROA b. Dependent Variable: LN Harga Saham
Sumber Data: Olahan SPSS, 2013 Tabel 4.5 tentang uji autokorelasi menunjukkan bahwa nilai
Durbin-Watson DW adalah 2,314 5. Oleh karena itu, dapat
disimpulkan bahwa tidak terjadi autokorelasi dalam penelitian ini.
4.2.1.4 Uji Heterokedastisitas
Ghozali 2005 : 105 menyatakan bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain tetap,
maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah model regresi yang
tidak terjadi heterokedastisitas. Cara menentukan ada tidaknya heterokedastisitas adalah dengan
melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya menurut
Ghozali 2005 : 105 adalah sebagai berikut:
43
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah
angka 0 dan Y, maka tidak heterokedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada gambar 4.3.
Sumber: Data Olahan SPSS, 2013
Gambar 4.3 Uji Heterokedastisitas
44
Pada gambar 4.3 grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat suatu pola tertentu
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa tidak terjadi
heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
4.2.2 Analisis Regresi