sebesar 1.088. Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat multikolinearitas.
c. Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk menentukan adanya autokorelasi atau tidak dapat diketahui dari nilai Durbin-
Watsonnya.
Tabel 4.8 Pengujian Autokorelasi
Sumber : Output SPSS, diolah Peneliti, 2011
Berdasarkan hasil pengolahan data dengan SPSS dapat diketahui bahwa nilai Durbin-Watson dalam penelitian ini sebesar 1.591. Sugiyono 2007:76
mengemukakan bahwa “terjadinya Autokorelasi jika nilai Durbin Watson DW memiliki nilai lebih dari 5
≥5”. M aka nilai Durbin-Watson sebesar 1.591 memiliki arti tidak terdapat gejala autokorelasi positip maupun negatip antar
variabelnya. Tabel di atas juga memperlihatkan bahwa angka adjusted R square atau koefisien determinasi bernilai 0.037. Angka mengindikasikan bahwa 3.7
variasi atau perubahan dalam harga saham dapat dijelaskan oleh DER, PER, dan ROE. Sedangkan sisanya 96.3 dijelaskan oleh faktor-faktor lain yang tidak
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.310
a
.096 .037
.827383 1.591
a. Predictors: Constant, LN RETURN ON EQUITY, LN DEBT TO EQUITY RATIO, LN PRICE EARNING RATIO b. Dependent Variable: LN HARGA SAHAM
Universitas Sumatera Utara
dimasukkan dalam dalam model penelitian. Standard error of estimate menunjukkan angka sebesar 0.827383. Semakin kecil angka ini akan membuat
model regresi semakin tepat dalam memprediksi harga saham.
d. Uji Heteroskedastisitas
Imam Ghozali 2005:105 menyatakan “uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas”. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas.
Cara mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan
program SPSS. Dasar pengambilan keputusannya menurut Imam Ghozali
2005:105 adalah sebagai berikut:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heteroskedastisitas atau tidak dengan cara mengamati penyebaran titik-titik
pada grafik.
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber : Output SPSS, diolah Peneliti, 2011
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah angka 0
pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heteroskedastisitas, sehingga model ini layak dipakai dalam penelitian.
Universitas Sumatera Utara
2. Analisis Regresi
Kategori