penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,05 Ho diterima.
4.2.2. Uji Heterokedastisitas
Pengujian ini digunakan untuk melihat apakah variabel pengganggu mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai
suatu keadaan bahwa varian dari residual suatu pengamatan ke pengamatan yang lain berbeda. Salah satu metode yang digunakan untuk menguji ada
tidaknya Heterokedastisitas akan mengakibatkan penaksiran koefisien- koefisien regresi menjadi tidak efisien. Hasil penaksiran akan menjadi
kurang dari semestinya. Heterokedastisitas bertentangan dengan salah satu asumsi dasar regresi linear, yaitu bahwa variasi residual sama untuk semua
pengamatan atau disebut homokedastisitas Gujarati dalam Elmasari, 2010:53
Menurut Ghozali 2005:105, “uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut Heterokedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heterokedastisitas
karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar”.
Pengujian heterokedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik
penyebaran pada grafik dan uji Spearman, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel
dependennya. Perumusan hipotesis adalah : Ho
: tidak ada heterokedastisitas Ha
: ada heterokedastisitas. Jika signifikan 0,05 maka Ha diterima ada heterokedastisitas dan
jika signifikan 0,05 maka Ho diterima tidak ada heterokedastisitas.
Gambar 4.3 Gambar 4.3
Pada gambar 4.3 tentang scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar
baik diatas maupun dibawah angka nol pada sumbu Y. hal ini berarti tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak
dipakai unuk melihat pengaruh variabel independen terhadap variabel dependen.
Tabel 4.4 Uji Spearmen rho
Correlations
Unstandardized Residual
DPS_transform EPS_transform
Spearmans rho
Unstandardized Residual
Correlation Coefficient 1.000
.093 .007
Sig. 2-tailed .
.637 .971
N 28
28 28
DPS_transform Correlation Coefficient
.093 1.000
.808 Sig. 2-tailed
.637 .
.000 N
28 28
28 EPS_transform
Correlation Coefficient .007
.808 1.000
Sig. 2-tailed .971
.000 .
N 28
28 28
. Correlation is significant at the 0.01 level 2-tailed.
Dari tabel 4.4 diatas kita dapat melihat bahwa nilai siginifikansi untuk variabel in Dividend Per Share adalah 0,645 0,05. Nilai signifikansi
untuk variabel ini Earnings per share adalah 0,194 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heterokedastisitas
karena variabel independennya memiliki signifikan lebih besar dari 0,05.
Tabel 4.5 Uji glesjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.564 .393
1.435 .164
EPS_transform -.063
.116 -.184
-.542 .592
DPS_transform .067
.073 .311
.919 .367
a. Dependent Variable: ABS_RES
Dari output pada Tabel 4.5 di atas dapat diketahui bahwa nilai signifikansi kedua variabel independen lebih dari 0,05. Dengan demikian
dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi.
4.2.3. Uji Autokorelasi