Uji Autokorelasi Uji Heteroskedastisitas

PERWITO, 2011 Universitas Pendidikan Indonesia | repository.upi.edu

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode tertentu. Jika terjadi korelasi, maka ada terjadi masalah pada autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lain. Regresi yang baik adalah regresi yang bebas dari autokorelasi. penelitian ini penulis menggunakan uji Durbin Watson. Jika nilai Durbin Watson hitung mendekati atau di sekitar angka 2, maka model tersebut terbebas dari asumsi klasik autokorelasi.

d. Uji Heteroskedastisitas

Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Heteroskedastisitas adalah kondisi dimana sebaran atau varian faktor pengganggu disturbance tidak konstan sepanjang observasi. Jika harga Z makin besar maka sebaran Y makin lebar atau sempit. Dalam uji ini penulis menggunakan Scatterplot. Model regresi linier berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam penelitian apabila output Scatterplot menunjukkan penyebaran titik-titik data sebaiknya tidak berpola yakni titik sebarannya menyebar di atas dan di bawah anka 0 pada sumbu Y.

2. Analisis Regresi dan Perumusan Model

Analisis regresi digunakan untuk mengetahui bagaimana variabel dependen dapat diprediksikan melalui variabel independen secara individual. Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan PERWITO, 2011 Universitas Pendidikan Indonesia | repository.upi.edu apakah naik dan menurunnya variabel dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan variabel independen atau untuk meningkatkan keadaan variabel dependen dapat dilakukan dengan meningkatkan variabel independendan sebaliknya Sugiyono, 2006: 204 Sedangkan Gujarati 2010: 2010 menjelasakan analisis regresi memberikan penekanan pada mengestimasi dan atau membuat prediksi dari nilai rerata populasi variabel dependen berdasarkan nilai variabel penjelas yang telah diketahui atau ditentukan. Model yang digunakan dalam penelitian ini menggunakan regresi berganda multiple linear regression. Furqon 2009: 82-83 Supranto 2004: 57, dan Kuncoro 2007: 115 menjelaskan model persamaan regresi berganda sebagai berikut: Dimana : Y = Subjek variabel terikat yang diproyeksikan β = Intercept β 1 – β 5 = Koefisien regresi atau slope garis regresi Y atas X, dan X 1 = Earning per Share EPS X 2 = Price earning Ratio PER X 3 = Price Book Value PBV X 4 = Return on Equity ROE X 5 = Suku Bunga D = Dummy ε 1 = Galat prediksi yang terjadi secara acak rumus mencari nilai β dan nilai β 1 sebagai berikut: Y i = β + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + D+ε 1 X Y             2 2 1 . . . X X n Y X XY n  PERWITO, 2011 Universitas Pendidikan Indonesia | repository.upi.edu

3.2.6.3 Rancangan Pengujian Hipotesis

Selanjutnya dilakukan uji teoritis dimana uji ini dilakukan untuk menguji kesesuaian teori dengan hasil regresi yang didasarkan pada koefisien regresi dengan masing-masing variabel bebas independent variable.

1. Hipotesis secara parsial:

a. Return on equity ROE