4.3.2.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas dan model regresi yang baik
seharusnya tidak terjadi korelasi antara variabel bebas Ghozali, 2012:105. Pengujian ini dilakukan dengan menggunakan tolerance value dan variance
inflation factor VIF. Criteria umum yang dipakai untuk mendeteksi adanya multikolinieritas adalah jika tolerance value 0,10 atau sama dengan nilai VIF
10 maka terjadi multikolinieritas dan jika tolerance value 0,10 atau sama dengan nilai VIF10 maka tidak terjadi multikolinieritas. Hasil output SPSS uji
multikolinieritas dapat dilihat pada tabel 4.15 berikut ini.
Tabel 4.15 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistiks B
Std. Error Beta
Tolerance VIF
1 Constant
15.881 2.107
7.537 .000 total_asset
-7.273E-008 .000
-.468 -3.660 .001 .889 1.125
Debt_to_equity 8.421
2.254 .507
3.737 .001 .792 1.263
dividend_payout .008
.032 .033
.255 .800 .852 1.173
a. Dependent Variabel: price_earning
Sumber: Hasil Penelitian,2015 Data Diolah
Hasil output SPSS uji multikolinieritas pada tabel 4.15 diatas menunjukkan bahwa nilai tolerance untuk semua variabel dalam tiap-tiap model regresi lebih
besar dari 0,10 dan variance inflation factor VIF untuk semua variabel dalam tiap-tiap model regresi lebih kecil dari 10. Hasil penelitian ini mengidentifikasi
bahwa dalam model-model regresi yang digunakan dalam penelitian ini tidak terjadi gejala multikolinieritas.
Universitas Sumatera Utara
4.3.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain Ghozali, 2012:139. Heteroskedastisitas dapat dideteksi dengan melihat garfik scatterplots antara nilai prediksi variabel terkait dependen yaitu Price
Earning Ratio. Hasil output SPSS uji heteroskedastisitas dalam bentuk grafik scatterplots dapat dilihat pada gambar 4.3 berikut ini.
Sumber: Hasil Penelitian,2015 Data Diolah
Gambar 4.3 Grafik Scatterplot
Hasil output grafik scatterplot pada gambar 4.3 diatas menunjukkan titik- titik data menyebar di atas dan dibawah. Titik-titik data tidak mengumpul hanya
diatas atau dibawah angka 0 saja. Maka dapat disimpulkan bahwa model regresi berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan
dalam penelitian.
Universitas Sumatera Utara
Terdapat beberpa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya heteroskedastisitas yaitu uji park, uji glejser dan uji white. Uji statistik
untuk mendeteksi ada atau tidaknya heteroskedasitas yang digunakan dalam penelitian ini adalah uji gleser. Model regresi bebas dari heteroskedastisitas
apabila probabilitas signifikansinya di atas tingkat kepercayaan 5 atau 0,05. Hasil uji SPSS statistik glejser ditunjukan pada tabel 4.16 dibawah ini.
Tabel 4.16 Uji Glejser Transformasi Logaritma
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
4.145 1.237
3.350 .002
total_asset -1.286E-008
.000 -.164 -1.102
.276 Debt_to_equity
-1.551 1.323
-.185 -1.172 .248
dividend_payout .036
.019 .292
1.922 .061
a. Dependent Variabel: absout
Sumber: Hasil Penelitian,2015 Data Diolah
Hasil output SPSS uji glejser pada tabel 4.16 diatas menunjukkan bahwa
variabel Total assets, Debt to equity, Dividend Payout memiliki tingkat signifikansi masing-masing 0.276, 0.248, 0.061 lebih besar dari tingkat
kepercayaan 5 atau 0.05 sehingga dapat disimpulkan model regresi penelitian ini bebas dari heteroskedastisitas.
Universitas Sumatera Utara
4.3.2.4 Uji Autokorelasi