4.5 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya. Tabel XI
Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .392a
.153 .090
.29703 1.333
a Predictors: Constant, Npend, eps, Naruskas b Dependent Variable: Nnilaiperush2
Nilai DW sebesar 1.333. Keputusan yang diambil menggunakan hipotesis sebagai berikut:
H0 = tidak ada autokorelasi H1 = ada autokorelasi
Nilai tabel untuk sampel 44 n dan jumlah variabel independen 3 k=3, maka di tabel Durbin Watson akan didapatkan nilai sebagai berikut:
DL : 1.201 DU: 1.474
Karena nilai DW lebih besar dari nilai DL dan lebih kecil dari nilai DU DLDWDU, maka tidak ada keputusan yang diambil no decision.
4.6 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan dengan tujuan untuk melihat apakah ada hubungan yang kuat di antara beberapa atau semua variabel-variabel independen
dalam model regresi. Apabila terdapat multikolinearitas, maka koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar. Keadaan ini biasanya
ditandai oleh nilai koefisien determinasi yang sangat besar tetapi pada pengujian parsial koefisien regresi, tidak ada ataupun jika ada sangat sedikit sekali koefisien
regresi yang signifikan. Untuk menguji multikolinearitas dapat dilihat dari hubungan antar variabel independen, apabila tampak korelasi antar variabel independen yang
paling tinggi menunjukkan angka dibawah 90 maka dapat dikatakan tidak terjadi multikolinearitas. Uji ini bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas independen.
Tabel XII Uji Multikolinearitas-1
Coefficient Correlationsa
Model Npend
eps Naruskas
Npend
1.000 -.320
-.861
eps
-.320 1.000
.065
Correlations Naruskas
-.861 .065
1.000
Npend .029
-5.59E-006 -.024
eps -5.59E-006
1.04E-008 1.10E-006
1
Covariances Naruskas
-.024 1.10E-006
.028 a Dependent Variable: Nnilaiperush2
Melihat besar korelasi antar variabel independen, tampak bahwa hanya variabel arus kas yang memiliki korelasi cukup tinggi dengan variabel pendapatan dengan
tingkat korelasi sebesar -0.861 atau sekitar 86. Oleh karena korelasi tersebut masih dibawah 90, maka dapat dikatakan tidak terjadi multikolinieritas yang serius.
Untuk menguji indikator multikolinearitas dapat juga digunakan nilai Variance Inflation Factors VIF sebagai indikator yang menunjukkan ada atau tidaknya
multikolinearitas diantara variabel bebas. Pada tabel XIII berikut merupakan bagian dari tabel Coefficient
α yang merupakan hasil pengolahan data dengan menggunakan software SPSS. Dari tabel tersebut dapat dilihat nilai VIF untuk masing-masing
variabel bebas yang digunakan dalam peneltian ini.
Tabel XIII Uji Multikolinearitas-2
Coefficientsa
Model Collinearity
Statistics Tolerance
VIF 1
Constant eps
.725 1.379
Naruskas
.209 4.783
Npend
.188 5.307
a Dependent Variable: Nnilaiperush2
Selain itu, melihat hasil tolerance, tidak ada variabel independen yang memiliki nilai kurang dari 0.10. Hasil nilai VIF juga menunjukan hal yang sama,
tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikoliniearitas antar variabel dalam model regresi.
4.7 Pengujian Koefisien Regresi Secara Parsial
Kategori