60
Tabel 4.2 Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parameters
a
Mean .0000000
Std. Deviation .59572613
Most Extreme Differences Absolute
.098 Positive
.098 Negative
-.065 Kolmogorov-Smirnov Z
.693 Asymp. Sig. 2-tailed
.723 a. Test distribution is Normal.
Sumber: data SPSS, 2014 Tabel 4.2 menunjukkan nilai Asymp. Sig 2-tailed sebesar 0,723 dan
lebih besar dibandingkan nilai signifikannya 0,05, maka dapat disimpulkan bahwa variabel residual berdistribusi normal.
4.3.2. Uji Heteroskedastisitas
Dalam setiap persamaan regresi pasti menunculkan residu, yaitu variabel- variabel lain yang terlibat akan tetapi tidak termuat di dalam model
sehinggadiasumsikan bersifat acak. Karena diasumsikan acak, maka besarnya residu tidak terkait dengan besarnya prediksi. Jika data residu tidak bersifat acak
maka data dapat dikatakan terkena heteroskedastisitas. Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama
diantara anggota grup tersebut. Jika varians sama, maka dikatakan ada homoskedastisitas. Jika varians tidak sama, maka dikatakan terjadi
Universitas Sumatera Utara
61
heteroskedastisitas. Uji heteroskedastisitas yang digunakan dalam penelitian ini adalah metode grafik dan Glejser Test.
Sumber: data SPSS, 2014
Gambar 4.3 Scatterplot
Gambar 4.3 merupakan grafik scatterplot dari variabel dependen nilai perusahaan dengan pendekatan PBV. Grafik menunjukkan titik-titik menyebar
secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini menunjukkan
bahwa tidak terjadi heteroskedastisitas pada model regresi. Namun, metode pendekatan grafik ini memiliki kelemahan dalam
memprediksi heteroskedastisitas. Kelemahannya yakni jika jumlah pengamatan yang dilakukan atau data yang ada jumlahnya sedikit, maka sulit untuk
Universitas Sumatera Utara
62
menginterpretasikan hasil grafik scatterplot. Untuk itu, dalam penelitian ini digunakan uji lain untuk memprediksi heteroskedastisitas, yakni Glejser Test.
Tabel 4.3 Glejser Test
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -8.872
10.094 -.879
.384 LN_Suku_Bunga
-.216 .528
-.103 -.409
.684 LN_Inflasi
.134 .158
.197 .851
.399 LN_Kurs
1.101 1.156
.192 .952
.346 LN_PER
.029 .091
.056 .323
.748 LN_ROI
.201 .133
.314 1.513
.138 LN_DER
-.013 .087
-.025 -.152
.880 a. Dependent Variable: absut
Sumber: data SPSS, 2014 Tabel 4.3 menunjukkan hasil pengujian Glejser Test. Jika variabel
independen berpengaruh secara signifikan terhadap variabel dependen absolut Ut, maka hal ini mengindikasikan terjadinya heteroskedastisitas. Namun hasil
pengujian menunjukkan probabilitas signifikansi variabel independen berada di atas tingkat kepercayaan 5. Hal ini berarti model regresi tidak mengalami
persoalan heteroskedastisitas.
4.3.3. Uji Autokolerasi