4.3.2 Uji Multikolinieritas
Pengujian multikolinieritas dilakukan untuk memenuhi salah satu asumsi penting dalam model regresi berganda, yaitu variabel- variabel
independen dalam model regresi tersebut tidak berkorelasi secara sempurna. Uji multikolinieritas pada penelitian ini dilakukan dengan
melihat angka tolerance dan nilai VIF dari masing- masing variabel independen yang diuji. Hasil pengujian dapat dilihat pada tabel berikut:
Tabel 4.3 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
ROA Leverage
TAT KM
4.254 3.754
1.133 .264
.277 .211
.206 1.310
.198 .780
1.282 -2.805
4.083 -.103
-.687 .496
.862 1.160
-6.540 2.368
-.427 -2.761 .009
.808 1.238
-1.622 1.195
-.206 -1.358 .182
.838 1.193
a. Dependent Variable: NP
Sumber : Hasil SPSS 16 Batas yang digunakan anka tolerance adalah 0,01 dan batas untuk
nilai VIF adalah 10. Dari hasil pengujian yang dilakukan terlihat bahwa tidak ada nilai tolerance yang kurang dari 0,01 dan tidak ada angka VIF
Universitas Sumatera Utara
yang lebih dari 10, maka dapat disimpulkan bahwa tidak terjadi multikoninearitas antar variabel bebes dalam model regresi.
4.3.3 Uji Autokorelasi
Uji ini bertujuan menguji apakah dalam model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Autokorelasi terjadi karena observasi yang berurutan terjadi dengan yang lainnya. Untuk mengetahui
adanya autokorelasi dilakukan dengan uji statistik Box Pierce dan Ljung Box digunakan melihat adanya autokorelasi dengan lag lebih dari dua.
Tabel 4.4 Uji Autokorelasi
Autocorrelations
Series:Unstandardized Residual Lag
Autocorrelation Std. Error
a
Box-Ljung Statistic Value
df Sig.
b
1 .000
.144 .000
1 .999
2 -.125
.143 .773
2 .679
3 -.055
.141 .927
3 .819
4 .054
.139 1.079
4 .898
5 -.101
.138 1.622
5 .899
6 .005
.136 1.623
6 .951
7 -.305
.134 6.792
7 .451
8 -.196
.132 8.980
8 .344
9 .082
.130 9.372
9 .404
10 -.115
.129 10.178
10 .425
11 .177
.127 12.135
11 .354
12 .033
.125 12.205
12 .429
13 -.124
.123 13.222
13 .431
14 -.013
.121 13.232
14 .508
15 .606
.119 39.144
15 .001
16 -.012
.117 39.156
16 .001
a. The underlying process assumed is independence white noise. b. Based on the asymptotic chi-square approximation.
Sumber : Hasil SPSS 16
Universitas Sumatera Utara
Hasil statistik Ljung Box menjelaskan bahwa empat belas lag 14 ternyata tidak signifikan dan dua lag 2 signifikan. Dari hasil tersebut
tidak ada autokorelasi, dikarenakan hasil uji Ljung Box menjelaskan jika jumlah lag yang signifikan lebih dari dua maka terjadi autokorelasi, dari
hasil diatas tidak lebih dari dua lag yang singnifikan maka tidak terjadi autokorelasi.
4.3.4 Uji Heterokedestisitas