tersebut dapat dijelaskan bahwa model regresi untuk variabel dependen nilai perusahaan terdistribusi secara normal. Hal ini berarti H0 diterima artinya data
residual terdistribusi normal.
5.2.2. Uji Multikolinieritas
Pengujian multikolinieritas juga dapat dilakukan dengan melihat korelasi antara variabel independen. Korelasi antara variabel independen untuk variabel
dependen nilai perusahaan dapat dilihat pada Tabel 5.5 berikut ini:
Tabel 5.5. Hasil Korelasi
Coefficient Correlations
a
Model LnPROFIT
LnSM
1 Correlations
LnPROFIT 1.000
-.255 LnSM
-.255 1.000
Covariances LnPROFIT
.007 -.001
LnSM -.001
.005 a. Dependent Variable: LnNP
Berdasarkan Tabel 5.5 dapat dilihat bahwa korelasi antar variabel independen dibuktikan dengan nilai koefisien korelasinya yang jauh di bawah 0,8 untuk model
regresi dengan variabel dependen nilai perusahaan. Hasil pengujian multikolinieritas tersebut di atas menunjukkan bahwa antara variabel independen tidak terjadi korelasi
hubungan yang spesifik, sehingga model regresi lebih kuat untuk melakukan prediksi atau peramalan. Dengan demikian, model regresi tidak ditemukan masalah
multikolinieritas.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Tabel 5.6. Hasil Nilai Tolerance dan VIF
Tabel 5.6 menunjukkan bahwa hasil perhitungan nilai tolerance juga tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10. Hasil
perhitungan nilai VIF juga menunjukkan hal yang sama tidak ada satu pun variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa
tidak ada multikolinieritas antar variabel independen pada model regresi. 5.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas pada penelitian ini dengan melihat grafik scatterplot antara nilai residu variabel dependen SRESID dengan nilai prediksi variabel
independen ZPRED. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED. Di mana Y adalah nilai residual dan X adalah nilai yang prediksi.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Correlations
Collinearity Statistics
B Std. Error
Beta Zero-order
Partial Part
Tolerance VIF
1 Constant
1.752 .149
11.785 .000
LnSM .129
.068 .133
1.900 .059
.267 .155
.128 .935
1.069 LnPROFIT
.645 .086
.525 7.512
.000 .559
.527 .508
.935 1.069
a. Dependent Variable: LnNP
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Gambar 5.5. Uji Heteroskedastisitas Sebelum Transformasi
Berdasarkan Gambar 5.5 dari grafik scatterplots terlihat bahwa titik-titik tidak menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y. Hal ini dapat disimpulkan bahwa terjadi heteroskedastisitas pada model regresi.
Tabel 5.7. Hasil Uji Park Sebelum Transformasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
-.768 .275
-2.794 .006
SM .450
.204 .201
2.206 .029
PROFIT 1.267
.560 .207
2.262 .025
a. Dependent Variable: Lnu2i
Berdasarkan tabel di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikansinya diatas tingkat kepercayaan 5. Jadi dapat
disimpulkan bahwa model regresi mengandung adanya heteroskedastisitas.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Gambar 5.6. Uji Heteroskedastisitas Setelah Transformasi
Berdasarkan Gambar 5.5 telah dilakukan transformasi sehingga grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Tabel 5.8. Hasil Uji Park Setelah Transformasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
-1.231 .391
-3.145 .002
LnSM .278
.178 .132
1.563 .120
LnPROFIT .176
.226 .066
.780 .437
a. Dependent Variable: LnU2i
Selain menggunakan uji grafik, peneliti juga menggunakan uji statistik. Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya
heteroskedastisitas. Uji statistik yang digunakan dalam penelitian ini adalah uji park. Berdasarkan Tabel 5.8 menunjukkan bahwa tidak ada satupun variabel independen
yang signifikansinya di bawah tingkat kepercayaan 5. Jadi dapat disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas.
5.2.4. Uji Autokorelasi
