Grafik Scatterplot Uji Glesjer

4.3.1.2. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.Model regresi yang baik adalah tidak terjadi heteroskedastisitas Situmorang dan Lufti, 2012:108. Heteroskedastisitas diuji dengan menggunakan Grafik Scatterplot dan Uji Glejser.

a. Grafik Scatterplot

Deteksi ada tidaknya heteroskedastisitas dengan melihat ada tidaknyapola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized. Hasil uji grafik scatterplot ditunjukkan pada Gambar 4.2 berikut : Sumber : Hasil Olah Data SPSS.18 Gambar 4.2. Uji Heteroskedastisitas Scatterplot Variabel dependen keputusan investasi Gambar 4.2. menunjukkan bahwa penyebaran residual cenderung teratur, plot yang berpencar dan tidak membentuk pola tertentu, maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi penelitian ini Situmorang dan Lufti, 2012:108.

b. Uji Glesjer

Uji heterodeksitas dapat dilakukan dengan cara Uji Glesjer, yaitu dengan mengabsolutkan nilai residual kemudian meregresikan dengan variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadi heterodeksitas. Jika probabilitas signifikannya di atas tingkat kepercayaan 5 dapat disimpulan model regresi tidak mengarah adanya heterokedastisitas Situmorang dan Lufti, 2012:116. Hasil uji glesjer ditunjukkan pada Tabel 4.4 berikut : Tabel 4.4 Uji Heteroskedastisitas Uji Glesjer Variabel dependen Absut Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant ,121 ,041 2,958 ,004 DER ,018 ,014 ,186 1,322 ,191 ROI -,061 ,160 -,053 -,382 ,704 CR -,006 ,009 -,089 -,649 ,519 a. Dependent Variable: abs_res1 Sumber : Hasil Olah Data Penelitian SPSS.18 Berdasarkan Tabel 4.4, dapat dilihat bahwa nilai signifikansi variabel independen yang terdiri dari DERsebesar 0,191, ROIsebesar 0,704, dan CRsebesar 0,519 lebih besar dari tingkat signifikan 5 α =0,05 yang artinya tidak berpengaruh signifikan terhadap variabel dependen absolut Ut absut. Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas dalam model regresi penelitian ini.

4.3.1.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pada periode t dengan periode t-1 sebelumnya Situmorang dan Lufti, 2012:120. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Watson DW test. Kriteria yang menunjukkan tidak terjadi autokorelasi dalam penelitian ini yaitu : n = jumlah sampel = 64 k = jumlah variabel = 3 pada tingkat signifikansi diperoleh du = 1,6956 dan dl = 1,4990 Hasil uji autokorelasi ditunjukkan pada Tabel 4.5 berikut : Tabel 4.5 Uji Autokorelasi Durbin-Watson Variabel dependen Total Asset Growth Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .493 a .243 .206 .190702 2.228 a. Predictors: Constant, CR, ROI, DER b. Dependent Variable: TAG Sumber : Hasil Olah Data Penelitian SPSS.18 Tabel 4.5 menunjukkan nilai Durbin-Watson sebesar 2,228. Kriteria model regresi yang tidak terjadi autokorelasi yaitu du dw 4-du, maka 1,695 2,228 2,305. Berdasarkan kriteria dan hasil yang diperoleh, maka dapat disimpulkan bahwa tidak terdapat autokorelasi pada model regresi penelitian ini.

4.3.1.4. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan yang berarti antara masing-masing variabel bebas dalam model regresi. Untuk mengetahui ada tidaknya multikolinearitas di dalam model regresi dapat dilihat dari nilai Variance Inflation Factor VIF danTolerance Situmorang dan Lufti, 2012:162. Hasil uji multikolinearitas diperlihatkan pada Tabel 4.6 berikut : Tabel 4.6 Uji Multikolinearitas Collinearity Statistic Variabel dependen Total Asset Growth Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant ,099 ,060 1,660 ,102 DER ,005 ,020 ,029 ,225 ,823 ,782 1,279 ROI ,950 ,232 ,511 4,090 ,000 ,807 1,238 CR -,031 ,013 -,294 -2,370 ,021 ,820 1,219 a. Dependent Variable: TAG Sumber : Hasil Olah Data Penelitian SPSS.18 Tabel 4.6 menunjukkan nilai Variance Inflation Factor variabel independen DER sebesar 1,279, ROI sebesar 1,238 dan CR sebesar 1,219. Artinya nilai VIF lebih kecil dari 10 VIF 10 dan nilai Tolerance dari DER, ROI, dan CR secara berurutan yaitu 0,782, 0,807, dan 0,820 lebih besar dari 0,1 Tolerance 0,1. Maka dapat disimpulkan bahwa tidak terdapat multikolinearitas pada model regresi penelitian ini.

4.4. Analisis Regresi Berganda