bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. secara umum panduan mengenai angka Durbin-Watson dapat
diambil patokan sebagai berikut: 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .418
a
.174 .042
1.37049 1.592
a. Predictors: Constant, lN_ROE, lN_DER, lN_PER, lN_EPS b. Dependent Variable: lN_RETURN_SAHAM
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1.592 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4. Uji Multikolineritas
Menurut Ghozali 2005:91,“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
independen”. Adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan
batas VIF adalah 10. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6
Tabel 4.6 Hasil Uji Multikolineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
-2.611 1.567
-1.666 .108 lN_EPS
.215 .159
.322 1.350 .189 .582
1.717 lN_DER
-.272 .179
-.306 -1.519 .141 .815
1.228 lN_PER
.334 .299
.253 1.114 .276 .639
1.566 lN_ROE
.018 .398
.010 .044 .965
.616 1.622
a. Dependent Variable: lN_RETURN_SAHAM
Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki
tolerance value lebih kecil dari 0,1.Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk
variabel LN EPS adalah 1.717 10 dan nilai tolerance sebesar 0.582 0,1, Nilai VIF untuk variabel LN DER adalah 1.228 10 dan nilai tolerance
sebesar 0. 8150.1. Nilai VIF untuk variabel LN PER adalah 1.56610 dan nilai tolerance sebesar 0.6390,1, Nilai VIF untuk variabel LN ROE adalah
1.622 10 dan nilai tolerance sebesar 0.616 0.1Hasil ini maka dapat
disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
C. Hasil Pengujian Hipotesis
1. UJi Koefisien Determinasi
Kategori