c. Uji Heterokedastisitas
Heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan varian dari residual pada model regresi. Metode pengambilan keputusan
pada uji heteroskedastisitas adalah dengan melihat scatterplot, jika titik- titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0
pada sumbu Y maka dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi.
Grafik V. 7 Hasil Uji Heterokedastisitas
Sumber Data : Output olah data sekunder, 2014
Dari hasil pengujian pada Grafik V. 7 untuk data tahun 2009 sampai dengan tahun 2013 dapat dilihat bahwa titik-titik menyebar
dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Autokorelasi adalah keadaan dimana terjadinya korelasi antara residual pada satu pengamatan lain pada model regresi. Metode
pengujian menggunakan uji Durbin-Watson DW Priyatno, 2012: 63. Dari hasil pengujian autokorelasi maka didapatkan hasil
sebagai berikut:
Tabel V. 8 Hasil Uji Autokorelasi
Model Summary
b
Model R R
Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.899
a
.808 .654
.76548495 2.293
a. Predictors: Constant, LnAKP, LnEBIT, LnAKI, LnAKO
b. Dependent Variable: LnHSRT Sumber Data : Output olah data sekunder, 2014
Untuk mengetahui apakah model regresi tersebut tidak terjadi autokorelasi maka cara mengujinya adalah dengan membandingkan nilai
DW tersebut, dengan mengetahui dl, du, 4 – dl, dan 4 – du.
Tabel V. 9 Durbin Watson Test Bound
n k=4
dL 4-dU
10 0,3760 2,4137
. .
. .
. .
. .
. 50 1,378
2,231
Kriteria untuk penilaian terjadinya autokorelasi yaitu apabila dU DW 4-dU maka tidak terjadi autokorelasi. Dari tabel V. 8 dapat
diketahui bahwa hasil DW berada pada 0,3760 2,293 2,4137, sehingga dapat disimpulkan bahwa tidak terdapat masalah autokorelasi pada model
regresi.
2. Analisis Regresi Linier Berganda
Langkah selanjutnya adalah mencari model regresi berganda yang tepat untuk menunjukkan pengaruh dari tiap-tiap variabel independen
terhadap variabel dependen dengan menggunakan bantuan SPSS 16.0. Hasil analisis regresi adalah berupa koefisien untuk masing-masing
variabel independen. Koefisien ini diperoleh dengan cara memprediksi
Kategori