Berdasarkan tabel 4 dapat diketahui bahwa uji linieritas antara ROE dan PBV, DPR dan PBV, ROE dan Return Saham, DPR dan
Return Saham, PBV dan Return Saham dilihat dari signifikansi Deviation from Linearity tidak ada yang bernilai kurang 0,05. Hal
ini menunjukkan
bahwa semua
hubungan antara
variabel independen dan dependen bersifat linier.
c. Uji Multikolinieritas
Uji multikolineritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas
independen. Pada penelitian ini uji multikolinieritas dilihat dari nilai
koefisien korelasi
correlations antara
dua variabel
independen. Jika nilai koefisien korelasi kurang dari 0,8 0,8 maka tidak
terjadi multikolinieritas. Berdasarkan
hasil uji
multikolinieritas dapat diketahui bahwa nilai koefisien korelasi antara Return On Equity ROE dan Kebijakan Dividen DPR
menunjukkan nilai 0,717. Oleh karena nilai koefisien korelasi antara ROE dan DPR kurang dari 0,8 berarti tidak terjadi
multikolinieritas antara ROE dan DPR.
3. Uji Kriteria Goodness of Fitt
Sebelum melakukan penilaian kelayakan model, terlebih dahulu melihat ada tidaknya offending estimate.
Estimate S.E.
C.R. P
ROE .014
.002 8.337
DPR .061
.007 8.337
e1 .010
.001 8.337
e2 .053
.006 8.337
a. Uji Offending Estimate
Uji offending estimate digunakan untuk melihat estimasi koefisien baik dalam model struktural maupun model pengukuran lainnya di
atas batas yang dapat diterima. Offending estimate terjadi apabila variance error negatif, standardized coefficient mendekati 1,0 dan
adanya standar error yang tinggi. Berdasarkan hasil uji offending estimate maka dapat diketahui
bahwa: 1 Nilai variance error semua bernilai positif
Nilai variance error digunakan untuk menunjukkan poor model fit dalam kategori ekstrim besar atau kecil.
Tabel 5. Hasil Uji Variance Error
Sumber: Data sekunder diolah, 2016 Berdasarkan tabel 5 menunjukkan bahwa variance error pada
kolom estimate tidak bernilai negatif yaitu e1 sebesar 0,010 dan e2 sebesar 0,053.
2 Standardized coefficient yang jauh dari mendekati 1,0 Standardized coefficient digunakan untuk mengetahui
ada tidaknya Heywood case. Heywood case merupakan suatu keadaan dimana terjadi spesifikasi model yang salah. Hal ini
disebabkan karena adanya outlier data, maupun kecilnya
