62
2. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana variabel-variabel independen dalam persamaan regresi mempunyai korelasi hubungan yang erat satu sama
lain Prastito, 2009. Pengujian multikolinearitas dapat dilakukan dengan melihat Variance Inflation Factor VIF dan korelasi diantara variabel
independen. Jika nilai VIF 10 atau tolerance 0,10 maka terjadi multikolinearitas sedangkan apabila nilai VIF 10 atau nilai tolerance 0,10
maka tidak terjadi multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada tabel di bawah ini.
Tabel 4.3. Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
CR .725
1.380 DER
.732 1.320
ROA .528
1.804 ROE
.413 1.562
NPM .744
1.153 TATO
.533 1.796
a. Dependent Variable: perubahan laba
Sumber : Hasil Pengolahan SPSS 17, 2014
Dari Tabel 4.4. terlihat bahwa nilai VIF untuk CR = 1,380 nilai VIF untuk DER = 1,320, nilai VIF untuk ROA = 1,804, nilai VIF untuk ROE =
1,562, nilai VIF untuk NPM = 1,153, dan nilai VIF untuk TATO = 1,796. Nilai tolerance
untuk CR = 0,725, nilai tolerance untuk DER = 0,732, nilai
Universitas Sumatera Utara
63 tolerance
untuk ROA = 0,528, nilai tolerance untuk ROE = 0,413, nilai tolerance
untuk NPM = 0,744, dan nilai tolerance untuk TATO = 0,533. Maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas
antara variabel independen, dengan dasar nilai VIF untuk setiap variabel tidak ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0,10 maka
dapat dilakukan analisis lebih lanjut dengan menggunakan model regresi linier berganda.
3. Uji Heterokedasitas
Uji heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2006. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika berbeda disebut
heterokedasitas. Model regresi yang baik adalah tidak terhadap heterokedasitas. Untuk menghilangkan heterokedasitas dapat dengan
mengkonversi ke dalam bentuk logaritma atau dengan menjalankan regresi dengan sistem kuadrat terkecil tertimbang weighted least square Prastisto,
2009. Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat
yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas.
Universitas Sumatera Utara
64
Tabel 4.4. Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 1280.022
3188.984 .401
.693 CR
-13.640 15.170
-.240 -.899
.380 DER
1.531 5.815
.550 .263
.795 ROA
-.544 104.853
-.003 -.005
.996 ROE
5.906 18.917
.625 .312
.758 NPM
5.104 14.486
.214 .352
.729 TATO
-1.607 48.256
-.015 -.033
.974 a. Dependent Variable: laba
Dari hasil uji heteroskedtisitas metode gletsjer
diperoleh nilai signifikansi variabel CR sebesar 0,380 0,05, variabel DER sebesar 0,795
0,05, variabel ROA sebesar 0,9960,05, variabel ROE sebesar 0,7580,05, variabel NPM sebesar 0,7290,05 dan variabel TATO sebesar 0,9740,05.
Hasil tersebut menunjukkan bahwa nilai signifikansi masing-masing variabel tidak signifikan atau lebih besar dibandingkan dengan derajat signifikansi
α = 5
α = 0,05, dengan demikian model tidak terjadi heteroskedastisitas sehingga layak dipakai untuk memprediksi perubahan laba pada perusahaan
telekomunikasi.
4. Uji Autokorelasi