2.4 Uji Multikolinearitas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel – variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Deteksi dilakukan dengan melihat nilai VIF
Variable Inflation Factor dan toleransi. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dapat dilihat dari
nilai tolerance dan lawannya, dan variance inflation factor VIF
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen
lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen
lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1tolerance. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.01 atau sama dengan VIF10.
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardiz
ed Coefficients
Standardiz ed
Coefficient s
t Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF 1
Constant -.608 .543
- 1.119
.270 LN_CR
-.362 .241 -.223
- 1.500
.142 .971
1.030 LN_ROA
-.145 .084 -.260
- 1.730
.092 .949
1.054 LN_ROE
-.186 .201 -.158
-.928 .359
.745 1.343
LN_MVBE BVE
.232 .184
.212 1.266
.213 .764
1.309 a. Dependent Variable:
LN_Harga_Saham
Sumber: Lampiran ix
Berdasarkan tabel 4.4 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 uji ini
maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
3. Pengujian Hipotesis
3.1 Uji Koefisien Determinasi
Nilai yang digunakan untuk melihat uji koefisien determinasi adalah nilai Adjusted R
2
yang pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam
hal ini adjusted R
2
digunakan untuk mengetahui seberapa besar pengaruh variabel rasio keuangan dan investment opportunity set terhadap
perubahan harga saham. Adjusted R
2
dianggap lebih baik dari R
2
karena nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model.
Tabel 4.6 Adjusted R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.428
a
.183 .097
1.44541 a. Predictors: Constant, LN_MVBEBVE, LN_ROA, LN_CR, LN_ROE
b. Dependent Variable: LN_Harga_Saham
Sumber: Lampiran x
Besarnya Adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 0.097. Dengan demikian
besarnya pengaruh yang diberikan oleh variabel current ratio CR, return on asset ROA, return on equity ROE dan investment opportunity set
MVBEBVE terhadap perubahan harga saham adalah sebesar 9,7. Sedangkan sisanya sebesar 90.3 adalah dipengaruhi oleh faktor lain yang
tidak diteliti dalam penelitian ini.