normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,533 0,05 H
diterima.
2. Hasil Uji Heteroskedastisitas
Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dapat dilakukan dengan uji
grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada grafik dan uji glejser, dengan cara meregres seluruh variabel
independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah :
H : tidak ada heteroskedastisitas,
H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Sumber: Lampiran v
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1 Constant
2.415 .688
3.511 .001
LN_Laba_Akuntansi -.483
.299 1.276
1.615 .113
LN_Tunai .380
.307 .980
1.241 .221
a. Dependent Variable: Absut
Sumber: Lampiran v
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel laba akuntansi
adalah 0,113 0.05, untuk variabel laba tunai adalah 0,221 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas
karena semua variabel independennya memiliki signifikan lebih besar dari 0,05.
3. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji
Universitas Sumatera Utara
Durbin Watson. Mengacu kepada pendapat Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1 angka D-W dibawah -2 berarti ada autokorelasi positif,,
2 angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .508
a
.258 .228
1.62660 1.494
a. Predictors: Constant, LN_Tunai, LN_Laba_Akuntansi b. Dependent Variable: LN_Deviden_Kas
Sumber: Lampiran vi
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1,494 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi dalam penelitian ini.
4. Hasil Uji Multikolinieritas