Pada Tabel 4.7 di atas terlihat bahwa nilai Asymp.Sig 2 tailed adalah 0.292 dan di atas nilai signifikan 0.05, dengan demikian dapat dikatakan bahwa
data berdistribusi normal.
2. Uji Multikolinearitas
Uji ini digunakan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas.
Tabel 4.8
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 1.199
48.814 .025
.981 DER
3.898 10.205
.077 .382
.705 .570
1.756 LnTA
.123 3.145
.007 .039
.969 .776
1.288 ROI
55.704 29.676
.354 1.877
.070 .656
1.526 DPR
11.664 5.931
.347 1.967
.059 .748
1.336 a. Dependent Variable: PER
Sumber : Hasil Pengolahan SPSS 16 tanggal 3 Februari 2010
Pada Tabel 4.8 di atas terlihat bahwa pada nilai tolerance lebih besar dari 0,1 dan nilai variance inflation factor VIF lebih kecil dari 5. Maka dapat
disimpulkan bahwa semua variabel tidak terkena multikolinearitas.
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Model regresi yang baik adalah tidak terjadi keteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilihat dengan
menggunakan grafik plot.
Universitas Sumatera Utara
Gambar 4.3 : Scatterplot
Sumber : Hasil Pengolahan SPSS 16 tanggal 3 Februari 2010
Pada gambar scatterplot di atas, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun
di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Price
Earning Ratio berdasarkan masukan variabel independen Debt to Equity, Total Assets, Return on Investment dan Devidend Payout. Untuk lebih menjamin
keakuratan hasil, maka dilakukan uji statistik Glejser untuk mendeteksi ada tidaknya heteroskedastisitas yang dapat dilihat pada Tabel 4.9
Tabel 4.9
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -19.220
26.027 -.738
.466 DER
-8.917 5.441
-.345 -1.639
.112 .570
1.756 LnTA
1.854 1.677
.199 1.106
.278 .776
1.288 ROI
18.634 15.823
.231 1.178
.248 .656
1.526 DPR
.178 3.163
.010 .056
.956 .748
1.336 a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS 16 tanggal 3 Februari 2010
Universitas Sumatera Utara
Pada Tabel 4.9 di atas dapat dilihat bahwa hasil tampilan output SPSS 16 dengan jelas menunjukkan tidak ada satupun variabel dependen yang signifikan
secara statistik mempengaruhi variabel dependen nilai Absolut Ut AbsUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat
disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.
4. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam sebuah model regresi berganda ada korelasi antara kesalahan pengganggu pada periode t dan kesalahan
pengganggu pada periode sebelumnya. Metode deteksi terhadap autokorelasi dilakukan dengan metode Runs Test.
Tabel 4.10
Runs Test
Unstandardized Residual Test Value
a
-4.91860 Cases Test Value
17 Cases = Test Value
18 Total Cases
35 Number of Runs
14 Z
-1.369 Asymp. Sig. 2-tailed
.171 a. Median
Sumber : Hasil Pengolahan SPSS 16 tanggal 3 Februari 2010
Pada Tabel 4.10 di atas menunjukkan bahwa nilai test adalah -4.91860 dengan nilai Asymp.Sig 2 tailed sebesar 0.171 di atas tingkat signifikansi 0.05
yang berarti bahwa residual acak atau tidak terjadi autokorelasi antar nilai residual.
Universitas Sumatera Utara
D. Pengujian Hipotesis 1. Pengujian Hipotesis Secara Simultan Uji-F
