Uji Autokorelasi Analisis Hasil Penelitian

AbsUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0.05 sehingga dapat disimpulkan model regresi tidak menunjukkan adanya heterokedastisitas.

4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah model regresi yang terbebas dari autokorelasi Ghozali, 2006 : 95. Uji autokorelasi dapat dilakukan dengan berbagai cara, di antaranya yaitu Runs Test, uji Durbin-Watson DW Test, The Breusch-Godfrey BG Test, dan uji Box-Pierce dan Ljung Box. Tabel 4.5 Runs Test Sumber : Data diolah peneliti, 2010 Runs Test Unstandardized Residual Test Value a -25.25771 Cases Test Value 28 Cases = Test Value 29 Total Cases 57 Number of Runs 30 Z .136 Asymp. Sig. 2-tailed .892 a. Median Universitas Sumatera Utara Tabel di atas menunjukkan bahwa nilai test adalah -25.25771 dengan probabilitas 0.892 yang lebih besar daripada 0.05 sehingga dapat disimpulkan bahwa data residual random dan tidak terjadi autokorelasi antar nilai residual. Berikut ini merupakan hasil uji Durbin-Watson yang digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen. Tabel 4.6 Uji Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .542 a .294 .193 250.26483 1.729 a. Predictors: Constant, PER, LTDtER, TATO, DER, ROI, CR, ROE b. Dependent Variable: H.Saham Sumber : Data diolah peneliti, 2010 Dari hasil pengolahan data diperoleh nilai Durbin-Watson sebesar 1.729 dengan jumlah responden sebanyak 57 dan kasus sebanyak 7, maka dengan menggunakan tingkat signifikansi 5 diperoleh nilai dl sebesar 1.3104 dan du sebesar 1.8566. Berikut ini merupakan kriteria pengambilan keputusan ada tidaknya autokorelasi, yaitu : Tabel 4.7 Kriteria Keputusan Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4-dl d 4 Tidak ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl Tidak ada autokorelasi positif atau negatif Tidak ditolak du d 4-du Sumber : Ghozali, 2006 : 96 Universitas Sumatera Utara Karena nilai DW sebesar 1.729 lebih besar daripada nilai dl yaitu 1.3104 dan lebih kecil daripada nilai du yaitu 1.8566, maka nilai DW berada di antara nilai dl dan du dl ≤ d ≤ du. Dengan demiki an, berdasarkan tabel di atas dapat ditarik kesimpulan bahwa hipotesis nol tidak ada autokorelasi positif tidak dapat ditolak ataupun diterima no decision. Karena uji DW tidak dapat memberikan keputusan apakah data residual terkena autokorelasi atau tidak, maka akan dilakukan uji lainnya, antara lain The Breusch-Godfrey BG Test dan uji Box-Pierce dan Ljung Box. Tabel 4.8 BG Test Sumber : Data diolah peneliti, 2010 Pada tabel di atas terlihat bahwa koefisien parameter untuk variabel Auto Lag menunjukkan probabilitas signifikan 0.373 di atas 0.05 berarti data tidak terkena autokorelasi. Berikut ini merupakan uji Box-Pierce dan Ljung Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4.033 149.746 -.027 .979 CR -2.111 14.004 -.032 -.151 .881 DER -15.459 73.292 -.060 -.211 .834 LTDtER 20.299 123.903 .027 .164 .871 TATO -11.644 512.297 -.005 -.023 .982 ROI -491.184 4208.742 -.048 -.117 .908 ROE 433.984 2098.927 .089 .207 .837 PER .430 1.143 .068 .376 .709 Auto .140 .156 .141 .899 .373 a. Dependent Variable: Unstandardized Residual Universitas Sumatera Utara Box yaitu uji yang digunakan untuk melihat autokorelasi dengan lag lebih dari dua. Tabel 4.9 Box-Pierce dan Ljung Box Sumber : Data diolah peneliti, 2010 Pada hasil statistik Box-Ljung terlihat bahwa keenambelas lag mempunyai nilai yang signifikan. Kriteria bahwa tidak terdapat autokorelasi adalah jika jumlah lag yang signifikan lebih dari dua. Dari hasil output bagian Sig terlihat bahwa semua lag lebih besar daripada 0.05 sig 0.05. Hal ini menunjukkan bahwa data tidak terkena autokorelasi. Autocorrelations Series:Unstandardized Residual Lag Autocorrelation Std. Error a Box-Ljung Statistic Value df Sig. b 1 .130 .129 1.015 1 .314 2 .062 .128 1.250 2 .535 3 .056 .127 1.445 3 .695 4 .194 .126 3.838 4 .428 5 -.115 .124 4.687 5 .455 6 -.157 .123 6.312 6 .389 7 .058 .122 6.541 7 .478 8 .014 .121 6.555 8 .585 9 -.022 .119 6.588 9 .680 10 -.135 .118 7.883 10 .640 11 .045 .117 8.029 11 .711 12 -.030 .116 8.094 12 .778 13 -.160 .114 10.059 13 .689 14 -.105 .113 10.925 14 .692 15 .132 .112 12.323 15 .654 16 -.036 .110 12.432 16 .714 a. The underlying process assumed is independence white noise. b. Based on the asymptotic chi-square approximation. Universitas Sumatera Utara

C. Pengujian Hipotesis