Tabel 4.7 Output SPSS Uji Multikolinearitas
Coefficients
a
Model Colinearity Statistics
Tolerance VIF
1 Constant
DAR .933
1.071 DER
.924 1.083
LDER .986
1.014
Sumber data yang telah diolah Hasil uji multikolinearitas menunjukkan nilai tolerance 0,10 dan nilai
VIF 10 untuk variabel penelitian DAR, DER, dan LDER, hal ini menunjukka n bahwa tidak ada multikolinearitas dalam model regresi.
4.2.2.3. Uji Heterokedastisitas
Menurut Ghozali 2005:105 uji hererokedastisitas bertujua untuk menguji apakah dalam model regresi terjadi ketidak samaan variance dari residual
satu pengamatan kepengamatan yang lain. Dalam penelitian untuk mendeteksi ada tidakya gejala heterokedastisitas dapat dilakukan dengan pengujuan melalui Plot
ZPRED nilai prediksi SRESID nilai residual pada sofwer SPSS. Jika variable dari residual satu pengamatan kepengamatan yang lain tetap maka disebut
heterokedastisitas, dan jika berbeda disebut heterokedastisitas model regresi yang baik yaitu hokedastisitas.
Berikut ini dilampirkan grafik scarter plot untuk menganalisis apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran
Universitas Sumatera Utara
titik- tik pada grafik. Uji Heterokedastisitas dilakukan dengan plot grafik antara ZPRED nilai prediksi dengan SRESID nilai residual
Gambar 4.3 Output SPSS Uji Heterokedastisitas
Sumber data yang telah diolah Grafik plot menunjukkan penyebaran titik-titik secara acak dan tersebar
baik di atas maupun di bawah angka 0 pada sumbu Y sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi Heterokedastisitas.
4.2.2.4. Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
3 2
1 -1
-2
Regression Studentized Residual
3 2
1
-1 -2
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d
V a
lu e
Dependent Variable: ROA Scatterplot
Universitas Sumatera Utara
pengganggu pada periode t-1 sebelumnya. Salah satu cara untuk mengetahui ada atau tidaknya Autokorelasi adalah dengan uji Durbin Watson DW Test. Berikut
adalah uji Autokorelasi dalam penelitian ini : Tabel 4.8
Output SPSS Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.808a .652
.579 .37411
2.118 a Predictors: Constant, LDER,DAR,DER
b Dependent Variable: ROA
Sumber data yang telah diolah Uji DW pada model tabel Model Summary, terlihat nilai DW sebesar
2,118 nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5 , jumlah sampel 18, jumlah variabel bebas 3, maka di tabel DW
akan didapatkan nilai sebagai berikut : Tabel 4.9
Durbin Watson Test Bound K=3
N DL
DU 16
1.07 1.36
17 1.08
1.36 18
1.09 1.37
Oleh karena nilai DW 2,118 lebih besar dari pada batas atas du 1,37 maka dapat disimpulkan tidak terdapat Autokorelasi positif pada model regresi.
4.2.Uji Analisis Regresi
Universitas Sumatera Utara
berdasarkan uji asumsi klasik yang telah dilakukan diatas dapat disimpulkan bahwa model yang dipakai dalam penelitian ini telah memenuhi
estimasi yang best linear unbiased estimator BLUE dan layak untuk dilakukan analisis statistic selanjutnya, yaitu melakukan pengujian hipotesis.
Adapun hasil pengelolahan data dengan analisis regresi dapat dilihat pada table dibawah ini.
Tabel 4.10 Output SPSS Regresi Linier Berganda
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Colinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .473
.635 .745
.469 DAR
.169 .040
.688 4.221
.001 .933
1.071 DER
-.021 .008
-.435 -2.656
.019 .924
1.083 LDER
.050 .022
.365 2.300
.037 .986
1.014 a Dependent Variable: ROA
Sumber data yang telah diolah Berdasarkan pada tabel 4.10 dapat dilihat koefisien untuk persamaan
regresi dari penelitian ini, yang dapat disusun dalam persamaan matematis sebagai berikut :
Y= 0,0437 + 0,169X1 – 0,021X2 + 0,050X3 + e
Dimana Y = Return on asset ROA
X1 = dep to Total Asset Ratio DAR X2 = Debt to equty Ratio DER
Universitas Sumatera Utara
X3 = Long Term to Equty Ratio LDER e = Tingkat kesalahan pengguna
ROA = 0,473 + 0,169 DAR – 0,021 DER + 0,050 LDER + e Berdasarkan persamaan regresi di atas dapat diinterpretasikan sebagai
berikut : a.
Angka konstanta sebesar 0,473 menunjukkan bahwa ROA akan bernilai 0,473 jika semua variabel independen dianggap konstan.
b. Variabel DAR memiliki nilai koefisien sebesar 0,169. Hal ini menggambarkan
bahwa jika variabel DAR naik satu satuan, dengan asumsi variabel lain tetap maka akan menaikkan ROA sebesar 0,169. 16,9 .
c. Variabel DER memiliki nilai koefisien sebesar 0,021. Hal ini menggambarkan
bahwa jika variabel DER naik satu satuan, dengan asumsi variabel lain tetap maka akan menurunkan ROA sebesar 0,021 2,1 .
d. Variabel LDER memiliki nilai koefisien sebesar 0,050. Hal ini
menggambarkan bahwa jika variabel LDER naik satu satuan, dengan asumsi variabel lain tetap maka akan meningkat ROA sebesar 0,050 5 .
4.4. Uji Hipotesis
