4.2.2.2 Uji Multikolinieritas
Menurut Ghozali 2011:105 “uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara
variabel independen, jika terjadi korelasi berarti terjadi masalah multikolinieritas”. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai
Tolerence dan lawannya Variance Inflation Factor VIF. Tolerance mengukur variabilitas variabel independen yang terpilih dan tidak
dijelaskan oleh variabel lainnya.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
korelasi diantara variabel independen. Jika nilai VIF 10 atau nilai tolerance 0,10.
Hasil dari uji multikolinieritas dapat dilihat pada Tabel 4.10 berikut :
Tabel 4.10 Hasil Uji Multikolinieritas
Model Unstandardized
Coefficients Collinearity
Statistics B
Std. Error Tolerance VIF
1 Constant
-2859.505 756.024
CR.LN 2.741
3.243 .879
1.138 ROE.LN
759.114 254.380
.182 5.495
ROI.LN -1264.288
296.078 .125
8.013 EPS.LN
748.352 125.884
.333 2.999
ITO.LN 89.715
82.045 .685
1.460 Sumber Data : SPSS 16 diolah Peneliti, 2014
Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antara variabel independen yang
diindikasikan dari nilai tolerance setiap variabel dari 0,1. Nilai tolerance CR adalah 0,879; ROE 0,182; ROI 0,125; EPS 0,333, dan ITO
0,685. Nilai VIF kelima variabel independen dari 10 yaitu CR 1,138;
ROE 5,495; ROI 8,013; EPS 2,999, dan ITO 1,460. maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan.
4.2.2.3 Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas”.
Berikut ini grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati
penyebaran titik titik pada gambar.
Gambar 4.3 Grafik Scatterplot
Sumber Data : SPSS 16 diolah Peneliti, 2014 Dari grafik scatterplot tersebut dapat dilihat bahwa penyebaran
residual adalah tidak teratur dan tidak membentuk pola. Hal tersebut dapat dilihat pada titik-titik atau plot yang menyebar. Hal ini
membuktikan bahwa tidak terjadi heteroskadisitas pada model regresi penelitian.
4.2.2.4 Uji Autokorelasi