2. Uji Multikolinearitas
Uji multikolinier bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali,
2011:105. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mengetahui ada atau tidaknya multikolinearitas,
maka dapat dilihat melalui nilai VIF dan nilai Tolerance. Dimana, VIF merupakan estimasi berapa besar multikolinearitas meningkatkan varian pada
suatu koefisien estimasi sebuah variabel independenpenjelas. Sedangkan Tolerance untuk mengukur variabilitas variabel independen yang terpilih yang
tidak dijelaskan oleh variabel independen lainnya Situmorang, et al., 2007:104. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan
melihat nilai VIFVariable Inflation Factor dan nilai Tolerance. Jika nilai VIF 5 dan nilai Tolerance 0,1 maka dapat disimpulkan tidak terjadi
multikolinearitas.
Sumber :hasil olahan data SPSS, 2015
Dari tabel 4.3 menunjukkan bahwa tidk adanya masalah multikolinearitas, dimana hasil uji variable inflation factor VIF ROA 1.813, DER 1.320, Size
1.721, dan status kepemilikan 1.459 masing-masing menunjukkan nilai kurang dari 5 VIF 5. Dan nilai Tolerance ROA 0.551, DER 0.758, Size 0.581, dan
status kepemilikan 0.848 masing-masing menunjukkan nilai lebih besar dari 0,1. Dari penjelasan diatas dapat disimpulkan bahwa tidak ada multikolinearitas
antar variabel independennya.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2011:139. Jika terdapat varians yang sama,
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1Constant 1.954
.996 1.962
.054 ROA
.227 .077
.434 2.955
.004 .551
1.813 DER
.044 .022
.252 2.010
.048 .758
1.320 Size
-.085 .034
-.360 -2.517
.014 .581
1.721 Status_Kepemilikan
.027 .141
.025 .192
.848 .685
1.459 a. Dependent Variable: Return_Saham
maka dapat dikatakan terdapat heteroskedastisitas, namun jika yang terjadi adalah yang sebaliknya, maka dapat dikatan telah terjadi heteroskedastisitas.
Data yang baik adalah data yang tidak mengalami heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas diantaranya menggunakan
grafik scatterplot. Adapun dasar analisis dari uji grafik scatterplot sebagai berikut:
c. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. d. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 dan pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Sumber: hasil olahan SPSS, 2015
Gambar 4.3 Uji
Heteroskedastisitas Scatterplot
Pada Gambar 4.3, menunjukkan garfik Scatterplot terlihat bahwa penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang
berpencar dan tidak membentuk pola tetentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan
bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi ini.
4. Uji Autokorelasi