67
4.3.2 Uji Multikolinieritas
Uji Multikolinearitas merupakan uji yang menentukan ada tidaknya hubungan linear antara variabel independen dengan variabel independen lainnya.
Model regresi yang baik tidak boleh memiliki multikolinearitas di dalamnya. Untuk mendeteksi ada tidaknya multikolinearitas di dalam data penelitian dilihat
dari nilai Variance Inflation Factor VIF. Ketentuan dalan uji ini adalah jika nilai VIF 10 maka tidak terjadi multikolinearitas, dan sebaliknya jika nilai VIF 10
maka terjadi multikolinearitas. Hasil uji multikolinearitas dalam penelitian ini dapat dilihat dalam tabel di bawah ini.
Tabel 4.4 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -1,964
1,806 -1,087 ,280
ADISA ,048
,149 ,016
,323 ,748 ,991 1,009
LNTA ,816
,067 ,795 12,204 ,000
,598 1,671 SBSDR
-,002 ,009
-,012 -,193 ,848
,622 1,607 LEV
,992 ,466
,126 2,129 ,036
,723 1,383 ROA
2,384 ,630
,222 3,783 ,000
,738 1,355 BIGF
,459 ,180
,154 2,549 ,013
,695 1,439 a. Dependent Variable: PFEE
Sumber : Data Diolah menggunakan SPSS 22
Dari Tabel 4.4 di atas, maka dapat diperoleh nilai VIF dari masing-masing variabel independen untuk variabel ADISA sebesar 1,009, untuk variabel LNTA
68
sebesar 1,671, untuk variabel SBSDR sebesar 1,607, untuk varaibel LEV sebesar 1,383, untuk variabel ROA sebesar 1,355 dan untuk Variabel BIGF sebesar 1,439.
Sehingga dapat disimpulkan tidak terjadi Multikolinearitas di dalam penelitian karena setiap variabel independen nilai VIF 10.
4.3.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke
pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot,
dengan dasar analisis Ghozali, 2005:139. 1.
Jika 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, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
69
Gambar 4.3 Scatterplot Uji Heteroskedastisitas
Sumber: Data Diolah menggunakan SPSS 22
Dari Gambar 4.3 di atas, terlihat bahwa titik-titik menyebar di atas, di bawah, dan di sekitaran angka nol sehingga dapat ditarik kesimpulan bahwa data
penelitian tidak mengandung heteroskedastisitas.
4.3.4 Uji Autokolerasi