c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan pengganggu pada periode t-
1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah Uji
Durbin-Watson DW test. Panduan mengenai Durbin-Watson untuk mendeteksi autokorelasi dapat dilihat pada tabel D-W Tabel 4.7.
Tabel 4.6 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .323
a
.104 .049
.97310079 2.079
a. Predictors: Constant, GOING CONCERN, KAP, DTAR b. Dependent Variable: ARL
Sumber : Output SPSS, diolah penulis, 2010. Berdasarkan tabel 4.6 di atas terlihat bahwa nilai D-W sebesar 2,079, nilai ini
akan kita bandingkan dengan menggunakan nilai signifikansi 5, jumlah pengamatan 53 n dan jumlah variabel independen 3 k = 3, sehingga di dalam
tabel D-W akan didapatkan nilai sebagai berikut Tabel 4.7 :
Universitas Sumatera Utara
Tabel 4.7 Statistik d Dari Durbin-Watson
N
k = 3 Dl
du 15
. 34
. 50
. .
55 .
70 0,814
. 1,271
. 1,421
. .
1,452 .
1,525 1,750
. 1,652
. 1,674
. .
1,681 .
1,703
Oleh karena nilai D-W untuk n = 53 tidak ada, maka terlebih dahulu akan dicari nilai D-W nya.
D-W
n=53
= 1,674 – 35 x 1,674 – 1,681
= 1,67
Melalui tabel 4.6 didapat nilai D-W 2,079 terletak antara batas atas atau upper bound du dan 4 – du 1,67 2,079 2,33, maka koefisien autokorelasi sama
dengan nol, berarti tidak ada autokorelasi Erlina, 2007. Jadi, dapat disimpulkan bahwa tidak terjadi gejala autokorelasi, yang berarti dalam model regresi tersebut
tidak terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
d. Uji Heterokedastisitas
Dalam penelitian ini untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat pola grafik scatterplot. Dasar pengambilan keputusannya
adalah :
Universitas Sumatera Utara
1 Jika ada pola tertentu, seperti titik –titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas.
2 Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar 4.5.
Gambar 4.5 Scatterplot
Sumber : Output SPSS, diolah penulis, 2010.
Universitas Sumatera Utara
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain.
3. Analisis Regresi
Kategori