adanya korelasi antara variabel independen. Hasil pengujian terlihat pada Tabel 5.11 sebagai berikut:
Tabel 5.13 Hasil Uji Multikolonieritas Sebelum Transformasi
Model Collinearity Statistic
Keterangan Tolerance
VIF 1 Constant
CR 0,801
1,249 Tidak terjadi Multikolonieritas
ROE 0,526
1,903 Tidak terjadi Multikolonieritas
DER 0,503
1,988 Tidak terjadi Multikolonieritas
NPM 0,849 1,178
Tidak terjadi Multikolonieritas a. Dependent Variable: Saham
Sumber: Hasil Penelitian, 2012
5.3.3 Uji Autokorelasi Sebelum Transformasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi Ghozali, 2005. Pendeteksian masalah autokorelasi dilakukan
dengan pengujian Durbin-Watson pada Tabel 5.14.
Tabel 5.14 Hasil Uji Autokorelasi Sebelum Transformasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .207
.043
a
.004 1349.57179
1.185 a. Predictors: Constant, NPM, DER, CR, ROE
b. Dependent Variable: SAHAM Sumber: Hasil Penelitian, 2012 Data Diolah
Universitas Sumatera Utara
Berdasarkan Tabel 5.14 menunjukkan bahwa nilai Durbin Watson sebesar 1,185 sedangkan bila dilihat dari DW untuk empat variabel bebas k = 4 dan
banyak data adalah 104, untuk level signifikansi = 0.05 di peroleh DL = 1,6016 dan DU = 1,7610 sehingga nilai 4 –DU = 4 – 1,7610 = 2,239. DW lebih rendah
dari DU 1,185 1,7610 sehingga tidak ada kesimpulan.
5.3.4 Uji Heteroskedastisitas Sebelum Transformasi
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu menyempit pada grafik
scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID.
Dari gambar 5.3 berikut terlihat bahwa titik-titik tidak menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi harga saham berdasarkan variabel
independen current ratio, ROE, DER dan NPM.
Universitas Sumatera Utara
Gambar 5.3. Scatterplot Heteroskedastisitas Sebelum Transformasi
Sumber: Hasil Penelitian, 2012
Selain dari membaca pola penyebaran scatterplot pada Gambar 5.3, analisis terhadap heteroskedastisitas dapat dilakukan dengan membaca tabel
koefisien korelasi spearman pada Tabel 5.15
Universitas Sumatera Utara
Tabel 5.15 Uji Koefisien Korelasi Spearman Sebelum Transformasi
CR ROE
DER NPM
Unstandardized Residual
Spearm ans rho
CR Correlation
Coefficient 1.000
-.089 -.618 .075
-.030 Sig. 2-tailed
. .369
.000 .452
.763 N
104 104
104 104
104 ROE
Correlation Coefficient
-.089 1.000
.054 .784
.386 Sig. 2-tailed
.369 .
.585 .000
.000 N
104 104
104 104
104 DER
Correlation Coefficient
-.618 .054
1.000 -.305
-.154 Sig. 2-tailed
.000 .585
. .002
.118 N
104 104
104 104
104 NPM
Correlation Coefficient
.075 .784 -.305
1.000 .434
Sig. 2-tailed .452
.000 .002
. .000
N 104
104 104
104 104
Unstandar dized
Residual Correlation
Coefficient -.030 .386
-.154 .434
1.000 Sig. 2-tailed
.763 .000
.118 .000
. N
104 104
104 104
104 . Correlation is significant at the 0.01 level 2-tailed.
Sumber: Hasil Penelitian, 2012 Dari Tabel 5.15 dapat diketahui bahwa nilai korelasi keempat variabel independen
dengan Unstandardized Residual yakni lebih kecil dari 0,05. Sehingga dapat disimpulkan bahwa terjadi gejala heteroskedastisitas dalam model, dan hal ini
sejalan dengan uji grafik Scatterplots.
5.4 Uji Asumsi Klasik Hipotesis Kedua Setelah Transformasi
