Uji Autokorelasi Uji Simultan Uji F

73 maupun di bawah angka nol pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi bond rating berdasarkan masukan variabel independennya.

3. Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi antara variabel periode tertentu dengan variabel pengganggu periode sebelumnya. Model regresi yang baik adalah model yang tidak mengandung autokorelasi. Uji autokorelasi ini menggunakan Uji Durbin-Watson DW test yang ditunjukkan pada Tabel 4.3 berikut: Eabel 4.3 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .588 a .345 .315 1.27419 1.838 a. Predictors: Constant, Firm Size, Leverage , Profitability b. Dependent Variable: Bond Rating Sumber: Hasil Penelitian, 2016 data diolah Hasil uji Autokorelasi pada Tabel 4.3 diatas menunjukkan nilai Durbin- Watson sebesar 1,838, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5, jumlah sampel 68 n dan jumlah variabel independen 3 k, maka di tabel Durbin-Watson didapat nilai dl Durbin-Watson lowerbatas bawah = 1,516, nilai du Durbin-Watson upperbatas atas = 1,700 dan 4-du = 2,300. Pengambilan keputusannya adalah du 1,700 d 1,838 4- du 2,300, artinya tidak ada autokorelasi positif atau negatif. Dengan demikian, tidak terdapat adanya autokorelasi pada model regresi. Universitas Sumatera Utara 74

4. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antar variabel independen. Menurut Situmorang dan Lutfi 2015:154, salah satu cara yang digunakan untuk mendeteksi ada atau tidak adanya multikolinearitas adalah dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan sebagai berikut: a. Bila VIF 5 maka diduga mempunyai persoalan multikolinearitas b. Bila VIF 5 tidak terdapat multikolinearitas c. Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas d. Tolerance 0,1 maka tidak terdapat multikolinearitas Hasil dari uji multikolinearitas dapat dilihat pada Tabel 4.4 berikut: Eabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 12.828 2.056 6.240 .000 Profitability 6.187 3.533 .204 1.751 .085 .757 1.321 Leverage -.516 .137 -.435 -3.766 .000 .767 1.304 Firm Size .081 .069 .120 1.177 .243 .981 1.020 a. Dependent Variable: Bond Rating Sumber: Hasil Penelitian, 2016 data diolah Hasil uji multikolinearitas pada Tabel 4.4 menunjukkan bahwa keseluruhan variabel independen mempunyai nilai VIF 5, sehingga dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinearitas. Tolerance Universitas Sumatera Utara 75 mengukur variabilitas variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance dan keseluruhan variabel independen mempunyai nilai Tolerance 0,1. Hasil penelitian ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.

4.2.3 Analisis Regresi Gerganda

Analisis regresi linier berganda digunakan untuk mengetahui pengaruh antara variabel profitability dengan proksi return on asset, leverage dengan proksi debt to equity ratio, dan firm size terhadap bond rating pada perusahaan nonkeuangan yang terdaftar di BEI. Pengujian regresi linier berganda dilakukan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh profitability X 1 , leverage X 2 , dan firm size X 3 terhadap bond rating Y. Hasil regresi dapat dilihat pada Tabel 4.5 berikut: Eabel 4.5 Pengujian Regresi Linear Gerganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 12.828 2.056 6.240 .000 Profitability 6.187 3.533 .204 1.751 .085 Leverage -.516 .137 -.435 -3.766 .000 Firm Size .081 .069 .120 1.177 .243 a. Dependent Variable: Bond Rating Sumber: Hasil Penelitian, 2016 data diolah Universitas Sumatera Utara 76 Berdasarkan Tabel 4.5 diperoleh model persamaan regresi linear berganda sebagai berikut: Y = a + b 1 X + b 2 X + b 3 X + e Y = 12,828 + 6,187X - 0,516X + 0,081X + e Dimana: Y = Bond Rating a = Konstanta b 1,2,3 = Koefisien Regresi X 1 = Profitability X 2 = Leverage X 3 = Firm Size e = Standard Error Penjelasan dari model persamaan regresi diatas adalah: 1. Nilai konstanta a sebesar 12,828 menyatakan bahwa jika variabel independen profitability, leverage, dan firm size dianggap konstan atau nol, maka bond rating akan mengalami peningkatan sebesar 12,828. 2. Nilai koefisien regresi profitability sebesar 6,187. Hal ini berarti apabila profitability mengalami kenaikan sebesar satu satuan dengan asumsi variabel lain dianggap tetap, maka akan diikuti dengan meningkatnya bond rating sebesar 6,187. 3. Nilai koefisien regresi leverage sebesar –0,516. Hal ini berarti apabila leverage mengalami kenaikan sebesar satu satuan dengan asumsi variabel lain dianggap tetap, maka akan diikuti dengan menurunnya bond rating sebesar 0,516. Universitas Sumatera Utara 77 4. Nilai koefisien regresi firm size sebesar 0,081. Hal ini berarti apabila firm size mengalami kenaikan sebesar satu satuan dengan asumsi variabel lain dianggap tetap, maka akan diikuti dengan meningkatnya bond rating sebesar 0,081. 4.2.4 Uji Hipotesis

1. Uji Simultan Uji F

Kemudian untuk menguji profitability, leverage dan firm size secara serempak simultan terhadap bond rating digunakan uji statistik F. Langkah-langkah melakukan uji F adalah sebagai berikut: a. Merumuskan Formulasi Hipotesis H : b = b = b = 0 Artinya profitability, leverage dan firm size secara simultan berpengaruh tidak signifikan terhadap bond rating. H : b = b = b 0 Artinya profitability, leverage dan firm size secara simultan berpengaruh signifikan terhadap bond rating. b. Merumuskan Kriteria Pengujian c. Jika F hitung F tabel dan Sig 0,05, maka H diterima dan H 1 ditolak d. Jika F hitung F tabel dan Sig 0,05, maka H 1 diterima dan H ditolak c. Analisis Data Hasil uji statistik F dapat dilihat pada Tabel 4.6 berikut: Universitas Sumatera Utara 78 Eabel 4.6 Hasil Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 54.842 3 18.281 11.260 .000 b Residual 103.908 64 1.624 Total 158.750 67 a. Dependent Variable: Bond Rating b. Predictors: Constant, Firm Size, Leverage , Profitability Sumber: Hasil Penelitian, 2016 data diolah Berdasarkan Tabel 4.6, diperoleh nilai F hitung sebesar 11,260, dimana bernilai jauh lebih besar dari F tabel sebesar 2,75 dengan tingkat signifikansi 0,000, dimana bernilai jauh lebih kecil dari 0,05. Oleh karena itu, maka model regresi bisa dipakai untuk memprediksi bond rating. Dengan kata lain, variabel profitability, leverage dan firm size secara simultan berpengaruh signifikan terhadap bond rating.

2. Uji Parsial Uji t