b. Uji Multikolonieritas
Uji Multikolonieritas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.4 berikut:
Tabel 4.4 Uji Multikolonieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant -2.261
.490 -4.619
.000 LN_ROI
.332 .231
.221 1.435
.157 .707
1.415 LN_TATO
.135 .613
.033 .221
.826 .768
1.303 LN_DR
.812 .369
.322 2.197
.032 .778
1.285 a. Dependent Variable:
LN_INVESTMENT
Tabel 4.4 di atas memperlihatkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini bisa dilihat dengan membandingkan dengan
nilai tolerance dan VIF. Masing-masing variabel bebas yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1 yaitu untuk
LN_ROI nilai tolerance 0,707; LN_TATO nilai tolerance 0,768; LN_DR nilai tolerance 0,778. Jika dilihat dari VIF-nya, bahwa masing-masing variabel
bebas lebih kecil dari 10 yaitu untuk VIF LN_ROI 1,415; VIF LN_TATO 1,303; VIF LN_DR 1,285. Dengan demikian dapat disimpulkan bahwa tidak
terjadi gejala multikolineritas dalam variabel bebasnya.
Universitas Sumatera Utara
c. Uji Heterokedastisitas
Ada tidaknya heterokedastisitas dapat dilihat dari grafik scatterplot pada gambar 4.5 berikut ini :
Sumber : Hasil Olah Data SPSS oleh Penulis, 2010
Gambar 4.5 Gambar Scatterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heterokedastisitas sehingga model ini layak dipakai untuk
mengetahui pengaruh terhadap investasi aktiva tetap yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen yaitu Return on
Investment, Total Asset Turnover, Debt Ratio.
d. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi pengganggu antara kesalahan pengganggu pada
Universitas Sumatera Utara
periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi diantara data pengamatan yang tersusun baik
seperti data cross section danatau time series. Jika terjadi autokorelasi dalam model regresi linear berarti koefisien korelasi yang diperoleh menjadi tidak
akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Berikut ini hasil uji Durbin Watson dengan menggunakan
program SPSS.
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .339
a
.115 .065
1.51214 1.993
a. Predictors: Constant, LN_DR, LN_TATO, LN_ROI b. Dependent Variable: LN_INVESTMENT
Sumber : Hasil Olah Data SPSS oleh Penulis, 2010 Hasil uji autokorelasi diatas menunjukkan nilai statistik Durbin-
Watson DW sebesar 1,993. Nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5, jumlah sampel 57, dan jumlah
variabel penelitian independen 3 k=3, maka di tabel Durbin Watson didapat nilai batas atas du sebesar 1,46 dan nilai batas bawah dl sebesar 1,68. Oleh
karena itu, nilai du DW 4-du 1,46 1,993 2,54 maka tidak terjadi autokorelasi positif maupun negatif.
Universitas Sumatera Utara
3. Analisis Regresi