Tabel 4.4 Hasil Uji Heteroskedastisitas Uji
Glejser Sebelum Transformasi Data
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -1.130
.559 -2.020
.045 LN_ROA
-.024 .027
-.121 -.895
.372 LN_EPS
-.019 .009
-.192 -2.028
.545 LN_EP
-.014 .031
-.068 -.459
.647 LN_UMUR
.074 .067
.096 1.107
.270 LN_UKURAN
.724 .285
.224 2.538
.112 a. Dependent Variable: absut
Hasil Penelitian, 2014 data diolah
Berdasarkan uji heteroskedastisitas melalui uji Glejser pada Tabel 4.4 terlihat bahwa variabel independen ROA, EPS, EP, Umur Perusahaan, dan
Ukuran Perusahaan sudah bebas dari gejala heteroskedastisitas yang ditunjukkan dengan tingkat signifikansi di atas 5 0,05.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Penelitian ini menggunakan uji Durbin- Watson untuk menguji ada tidaknya masalah autokorelasi.
Tabel 4.5 Hasil Uji Autokorelasi
Durbin-Watson
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.397 .157
.127 .45592
2.308
a. Predictors: Constant, LN_UKURAN, LN_UMUR, LN_ROA, LN_EPS, LN_EP b. Dependent Variable: LN_VAIC
Hasil Penelitian, 2014 data diolah
Universitas Sumatera Utara
Hasil uji autokorelasi pada Tabel 4.5 menunjukkan nilai statistik Durbin Watson DW sebesar 2,308. maka berdasarkan tabel Durbin Watson diperoleh
nilai batas atas du sebesar 1,610. Sesuai ketentuan kriteria tidak terjadinya autokorelasi adalah du d 4 – du, hasil pengujian 1,810 2,308 2,390. Dari
hasil tersebut, maka pengujian autokorelasi memenuhi kriteria yang berarti tidak terjadi autokorelasi positif atau negatif pada model regresi penelitian ini.
4.2.2.4 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk melihat apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Model yang baik
seharusnya tidak terjadi korelasi yang tinggi diantara variabel independen. Uji multikolinieritas dilakukan dengan melihat tolerance dan variance inflation factor
VIF. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0,1 sedangkan nilai variance inflation
factor VIF 5.
Tabel 4.6 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.996 .924
-1.077 .283
LN_ROA .062
.045 .181
1.391 .167
.359 2.784
LN_EPS .010
.015 .062
.677 .500
.733 1.364
LN_EP -.010
.050 -.027
-.191 .848
.301 3.322
LN_UMUR .241
.111 .183
2.181 .031
.869 1.150
LN_UKURAN 1.107
.471 .200
2.349 .020
.843 1.186
a. Dependent Variable: LN_VAIC
Hasil Penelitian, 2014 data diolah
Universitas Sumatera Utara
Pada Tabel 4.6 dapat diketahui bahwa seluruh variabel independen memiliki nilai VIF 5, maka tidak terjadi multikolinieritas dan nilai Tolerance
0,1 maka tidak terjadi multikolinieritas.
4.2.3 Analisis Regresi Berganda