model regresi yang baik seharusnya tidak terjadi korelasi yang sempurna atau mendekati sempurna di antara variabel bebas korelasinya 1 atau mendekati 1.
Beberapa metode uji multikolinieritas yaitu dengan melihat nilai Tolerance dan Inflation Factor VIF pada model regresi atau dengan membandingkan nilai
koefisien determinasi individual dengan nilai determinasi secara serentak
adjusted R square Priyatno 2012:158. Jika suatu model regresi mempunyai nilai Tolerance diatas 0,10 dan nilai VIF
dibawah 10 maka antar variabel bebas independent variable terjadi persoalan multikolinearitas. Untuk mengetahui apakah terjadi multikolinearitas dapat dilihat
pada tabel 8 berikut ini :
Tabel 8 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
PER 0,873
1,146 PBV
0,870 1,150
BETA 0,976
1,025
Sumber: Data sekunder yang diolah
Tabel 8 menunjukkan bahwa semua variabel bebas memiliki nilai Tolerance lebih dari 0,10 dan nilai Variance Inflation Factor VIF di bawah 10. Jadi dapat
disimpulkan bahwa tidak terjadi multikolonieritas antar variabel bebas dalam model regresi ini.
3. Uji Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana dalam model regresi terjadi
ketidaksamaan varian dari residual pada satu pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas Priyatno
2012:158. Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot,
titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi
heteroskedastisitas dan model regresi layak digunakan.
Sumber: Data sekunder yang diolah
Gambar 4. Grafik Scatterplot
Gambar 4 menggambarkan titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Maka dapat diambil kesimpulan
bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
Uji heteroskedastisitas dapat pula dengan menggunakan uji koefisien korelasi Spearman’s Rho yaitu dengan mengorelasikan variabel independen dengan nilai
unstandardized residual.
Tabel 9 Uji Koefisien Korelasi Spearmans Rho
Correlations
Unstandardized Residual Spearmans
rho PER
Correlation Coefficient
,120 Sig, 2-tailed
,526 N
30 PBV
Correlation Coefficient
-,150 Sig, 2-tailed
,430 N
30 BETA
Correlation Coefficient
,106 Sig, 2-tailed
,577 N
30 Unstandardized
Residual Correlation
Coefficient 1,000
Sig, 2-tailed ,
N 30
Sumber: Data sekunder yang diolah
Tabel 9 menunjukkan bahwa nilai korelasi kedua variabel independen dengan Unstandardized Residual memiliki signifikansi lebih dari 0,05. Yaitu variabel
PER sebesar 0,526, variabel PBV 0,430 dan variabel risiko sistematik sebesar 0,577. Maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas
pada model regresi yang digunakan.
4. Uji Autokorelasi Autokorelasi adalah keadaan di mana pada model regresi ada korelasi antara
residual pada periode t dengan residual pada periode sebelumnya t-1. Model regresi yang baik adalah yang tidak terdapat masalah autokorelasi. Metode
pengujian yang menggunakan uji Durbin-Watson DW Test Priyatno 2012:172. Pengambilan keputusan pada uji Durbin-Watson adalah sebagai berikut :
DUDW4-DU maka tidak terjadi autokorelasi.
DWDL atau DW4-DL maka terjadi autokorelasi.
DLDWDU atau 4-DUDW4-DL, artinya tidak ada kepastian atau
kesimpulan yang pasti.
Tabel 10 Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std, Error of
the Estimate Durbin-
Watson 1
,648
a
,420 ,353
548,77629 2,693
a.Predictors: Constant. PBV, BETA, PER b.Dependent Variable: HARGA SAHAM
Sumber: Data sekunder yang diolah
Tabel 10 menunjukkan bahwa nilai Durbin-Watson DW sebesar 2,693. Sedangkan besarnya DW-tabel: dl batas luar = 1,2138; du batas dalam
=1,6498; 4 – du =2,3502; dan 4 – dl =2,7862. Dapat disimpulkan bahwa model
regresi tersebut berada pada posisi 4-DUDW4-DL yaitu 2,35022,6932,7862 artinya tidak ada kepastian atau kesimpulan yang pasti.
3.5.2 Analisis Regresi Linier Berganda
Metode analisis yang digunakan dalam penelitian ini adalah analisis regresi linier
berganda multiple regression analysis yang digunakan untuk mengukur hubungan antara variabel dependen dengan variabel independen. Analisis regresi
berganda yang dilakukan dengan menggunakan bantuan program pengolahan data
statistik, yaitu Statical Package for Social Science SPSS 16,0.
Untuk menunjukkan hubungan antara variabel bebas X dan variabel terikat Y, digunakan persamaan regresi berganda sebagai berikut:
Dimana:
Y = Harga Saham
= Konstanta X1
= Price Earning Ratio PER X2
= Price Book Value PBV X3
= Risiko Sistematik Beta b1-b3 = Koefisien variabel X1, X2, X3
e = Error Term
