57
Berdasarkan hasil pengolahan data dengan SPSS dapat diketahui bahwa nilai Durbin-Watson dalam penelitian ini sebesar 1,363, maka nilai Durbin-Watson tersebut
memiliki arti tidak terdapat gejala autokorelasi positif maupun negative antar variabelnya.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk melihat apakah ada data yang penyimpangannya terlalu jauh. Hasil uji heteroskedastisitas dapat dilihat
pada grafik scatterplot pada gambar 4.3
Gambar 4.3 Scatterplot
Sumber : Hasil Pengolahan SPSS, 2012
58
Grafik scatterplot tersebut dapat kita lihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur. Hal ini mengidentifikasi
tidak terjadinya heteroskedastisitas pada model regresi sehinga model regresi layak dipakai.
d. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat adanya keterkaitan antara variabel independen, atau dengan kata lain setiap variabel independen dijelaskan oleh
variabel independen lainnya. Untuk mengetahui apakah ada multikolinearitas dalam penelitian ini dapat dilihat dari nilai tolerance dan variance inflation
factor VIF. Nilai tolerance yang lebih kecil 0,1 dan VIF yang lebih besar dari 10 menunjukkan adanya multikolinearitas yang tinggi.
Tabel 4.5 Pengujian Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 log_ROCE
.379 2.640
log_ROA .242
4.140 log_ROE
.160 6.237
a. Dependent Variable: log_EPS
Sumber : Hasil Pengolahan SPSS, 2012
Berdasarkan data di tabel 4.5 dapat diketahui bahwa nilai tolerance dari masing-masing variabel independen lebih besar dari 0,1, yaitu untuk variabel ROCE
59
sebesar 0,379; variabel ROA sebesar 0,242 dan variabel ROE sebesar 0,160. Nilai VIF dari masing-masing variabel independen diketahui kurang dari 10, yaitu untuk variabel
ROCE sebesar 2,640; variabel ROA sebesar 4,140 dan variabel ROE sebesar 6,237.
Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat multikolinearitas
.
4.2.3 Analisis Regresi
a. Persamaan Regresi
Hasil regresi linier berganda pengaruh ROCE, ROA dan ROE terhadap EPS perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dapat dilihat
pada tabel 4.6
Tabel 4.6 Hasil Analisis Regresi
Sumber : Hasil Pengolahan SPSS, 2012
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients B
Std. Error Beta
1 Constant
4.459 .219
log_ROCE .769
.304 .278
log_ROA 1.491
.316 .649
log_ROE -.124
.378 -.055
a. Dependent Variable: log_EPS
60
Berdasarkan data tabel 4.6 dapat dirumuskan suatu persamaan regresi untuk EPS perusahan manufaktur sebagai berikut :
Y = 4,459 + 0,769 X
1
+ 1,491 X
2
- 0,124 X
3
Keterangan :
+ e
Y = EPS X1 = ROCE
X2 = ROA X3 = ROE
E = Tingkat Kesalahan Pengganggu Koefisien-koefisien persamaan regresi linier berganda di atas dapat diartikan
dalam kalimat di bawah ini. 1 Konstanta a sebesar 4,459 mempunyai arti apabila rasio keuangan sama
dengan nol maka EPS perusahaan manufaktur bernilai positif sebesa 4,459. 2 Koefisien regresi ROCE sebesar 0,769 mempunyai arti setiap kenaikan rasio
ROCE sebesar 1 satuan akan berpengaruh positif terhadap EPS perusahaan manufaktur sebesar 0,769 satuan.
3 Koefisien regresi ROA sebesar 1,491 mempunyai arti setiap kenaikan rasio ROA sebesar 1 satuan akan berpengaruh positif terhadap EPS perusahaan
manufaktur sebesar 1,491 satuan.
61
4 Koefisien regresi ROE sebesar -0,124 mempunyai arti setiap kenaikan rasio ROE sebesar 1 satuan akan berpengaruh negatif terhadap EPS perusahaan
manufaktur sebesar 0,124 satuan.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
