3. Uji Multikolinieritas
Pengujian multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel bebas
independent. Menganalisis nilai tolerance dan variance inflation factor VIF yang sifatnya saling berlawanan. Kedua ukuran ini menunjukkan
setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolonieritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10 Ghozali, 2006.
Tabel 4.3 Coefficients
a
Model Unstandardiz
ed Coefficients
Standardize d
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Toler
ance VIF
1 Constant
,181 ,030
6,094 ,000
Operating Leverage
,022 ,009
,333 2,474
,017 ,880
1,13 6
Financial Leverage
,013 ,010
,174 1,295
,201 ,888
1,12 6
Compound Leverage
-,009 ,005
-,256 -2,014 ,049
,989 1,01
1 a. Dependent Variable: Risiko Sistematik
Sumber : Data diolah Berdasarkan Tabel 4.2 dapat dilihat bahwa nilai tolerance tiap variabel
independen lebih besar dari 0.1 yaitu, 0.880, 0.888 dan 0.989. Sedangkan untuk nilai VIF tiap variabel independen kurang dari 10 yaitu 1.136, 1.126
68
dan 1.011. Maka dapat diambil kesimpulan bahwa tidak terdapat masalah multikolinieritas dalam variabel independen pada model regresi.
4. Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1 sebelumnya. Model regresi
yang baik adalah yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin
Watson Ghozali, 2006.
Tabel 4.4 Model Summary
b
Mode l
R R
Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
,431
a
,185 ,138
,17882645 1,848
a. Predictors: Constant, DCL, DFL, DOL b. Dependent Variable: BETA
Sumber: Data diolah
Berdasarkan tabel 4.3 dapat diperoleh nilai Durbin-Watson DW sebesar 1.848. Sedangkan berdasarkan tabel Durbin-Watson DW, dengan
asumsi α = 5, N sebesar 55 dan K sebesar 3 maka dapat diperoleh nilai DL
sebesar 1,4523 dan nilai DU sebesar 1,6815. Dengan demikian nilai DW berada diantara nilai DU dan 4-DU, maka dapat disimpulkan bahwa model
regresi tidak terdapat masalah autokorelasi.
C. Analisis Regresi Linier Berganda
Penelitian ini menggunakan analisis linear berganda untuk mengetahui pengaruh variabel independent yaitu operating leverage, financial leverage dan
69
compound leverage terhadap variabel dependent yaitu risiko sistematik. Pengolahan data dilakukan dengan menggunakan program SPSS versi 20.
Tabel 4.5 Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF
1 Constant
,181 ,030
6,094 ,000 Operating
Leverage DOL
,022 ,009
,333 2,474 ,017
,880 1,136
Financial Leverage
DFL ,013
,010 ,174
1,295 ,201 ,888
1,126 Compound
Leverage DCL
-,009 ,005
-,256 -2,014 ,049 ,989
1,011 a. Dependent Variable: Risiko Sistematik BETA
Sumber: Data diolah
Hasil pengujian persamaan regresi berdasarkan tabel 4.4 dapat dijelaskan sebagai berikut :
BETA = 0.181 + 0.022DOL – 0.009DCL Persamaan regresi diatas memiliki arti sebagai berikut ;
1 Nilai Constanta sebesar 0.181. Apabila diasumsikan variabel independen bernilai sebesar 0, maka nilai risiko sistematik Beta akan
menjadi sebesar 0.181. 2 Operating leverage X1 memiliki nilai koefisien regresi positif sebesar
0.022. Apabila nilai operating leverage X1 naik satu satuan dan jika
70
diasumsikan nilai variabel independen yang lain constant, maka risiko sistematik Y akan mengalami peningkatan sebesar 0.022.
3 Compound leverage X3 memiliki nilai koefisien regresi negatif sebesar 0.009. apabila nilai compound leverage X3 turun satu satuan
dan jika diasumsikan nilai variabel independen yang lain constant, maka risiko sistematik Y akan mengalami penurunan sebesar 0.013.
D. Pengujian Hipotesis dan Interpretasi
1. Uji Secara Parsial Uji t
Kategori