Uji Autokorelasi Uji Asumsi Klasik
✓
Nilai yang dihasilkan oleh suatu estimasi model regresi sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan
mempengaruhi variabel dependen. Jika antar variabel independen terdapat nilai korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan
indikasi adanya multikolinearitas. Multikolinearitas dapat diketahui dari nilai tolerance dan varian inflation factor
VIF. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cut-off yang umum
dipakai adalah nilai tolerance 0.10 atau sama dengan VIF di atas 10. Bila hasil regresi memiliki nilai VIF tidak lebih dari 10, maka dapat disimpulkan tidak ada
multikolineritas dalam model regresi. Permasalahan multikolinearitas dapat diatasi dengan cara menambah jumlah data dengan pengamatan baru dan
menghilangkan variabel tertentu dari model regresi yang diperoleh.
Tabel 8. Hasil Uji Multikolinearitas
Collinearity Statistics Model
Tolerance VIF
Constant DOL
.752 1.329
DFL .907
1.103 CR
.750 1.333
INTO .889
1.125 1
ARTO .970
1.031 a. Dependent Variable: ROA
Sumber: SPSS 21, data diolah
✔ ✕
Berdasarkan hasil pengujian multikolinearitas, nilai tolerance variabel bebas tidak kurang dari 10 dan nilai VIF semua variabel kurang dari 10 yang berarti tidak
ada multikolinearitas antarvariabel independen.