Berdasarkan tabel 4.3 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada
yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas.
Dari hasil analisis, didapat nilai VIF untuk variabel Profit adalah 1,185 10 dan nilai tolerance sebesar 0,844 0,1, untuk variabel
Solvability nilai VIF nya adalah 1,225 10 dan nilai tolerance sebesar 0,816 0,1, untuk variabel Size nilai VIF nya adalah 1,221
10 dan nilai tolerance sebesar 0,819 0,1, untuk variabel Age nilai VIF nya adalah 1,176 10 dan nilai tolerance sebesar 0,850
0,1, sementara untuk variabel KAP nilai VIF nya adalah 1,256 10 dan nilai tolerance sebesar 0,796 0,1. Dari hasil ini maka
dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
c. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi
pada regresi yang datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin
Watson. Mengacu kepada pendapat Santoso 2002, secara umum
Universitas Sumatera Utara
panduan mengenai angka Durbin-Watson dapat diambil patokan sebagai berikut:
4 angka D-W dibawah -2 berarti ada autokorelasi positif,
5 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
6 angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .276
a
.076 .049
11.377 1.464
a. Predictors: Constant, KAP, Profit, Age, Size, Solvability b. Dependent Variable: Lag
Sumber: Data Olahan SPSS, 2009 Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1,464. Angka
ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif
dalam penelitian ini.
d. Hasil Uji Heteroskedastisitas
Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Pengujian dilakukan dengan Uji Glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut
sebagai variabel dependennya. Perumusan hipotesis adalah : H
: tidak ada heteroskedastisitas H
a
: ada heteroskedastisitas Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas
dan jika signifikan 0,05 maka H diterima tidak ada
heteroskedastisitas.
Tabel 4.5 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -4.800
8.262 -.581
.562 Profit
.623 1.278
.040 .488
.627 Solvability
-.561 .714
-.065 -.785
.433 Size
1.332 .715
.153 1.862
.064 Age
-.181 .098
-.150 -1.857
.065 KAP
.898 1.092
.069 .822
.412 a. Dependent Variable: absut
Sumber: Data Olahan SPSS, 2009
Dari tabel 4.5 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel Profit adalah 0,627 0,05, untuk variabel Solvability
nilai signifikansinya adalah 0,433 0,05, untuk variabel Size nilai signifikansinya adalah 0,064 0,05, untuk variabel Age nilai
Universitas Sumatera Utara
signifikansinya adalah 0,065 0,05, sementara untuk variabel KAP nilai signifikansinya adalah 0,412 0,05. Dari hasil ini maka dapat
disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena semua variabel independennya memiliki signifikan lebih besar dari
0,05.
3. Hasil Pengujian Hipotesis
