Tabel 4.5 Hasil Uji Autokorelasi 1
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .538
a
.289 .250
10.483451 2.349
a. Predictors: Constant, Lag_ROE, LDER b. Dependent Variable: ROE
Sumber: Output SPSS, diolah penulis 2010 Tabel 4.5 menunjukkan hasil uji autokorelasi variabel penelitian setelah
dimasukkan lag variabel dependennya. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi korelasi antar kesalahan pengganggu antar periode. Hal
tersebut dilihat dari nilai Durbin-Watson D-W sebesar 2,349. Angka D-W berada diantara DU dan 4-DU 1,544 dw 4-1,544 atau 1,544 dw2,456,
yang mengartikan bahwa angka D-W lebih besar dari 1,544 dan lebih kecil dari 2,456. Jadi dapat disimpulkan bahwa setelah dimasukkan lag variabel
dependennya, model regresi terbebas dari pengaruh autokorelasi.
i. Hasil Uji Autokorelasi 2 Rentabilitas Ekonomi
Berikut ini hasil uji Durbin Watson dengan menggunakan SPSS versi 16.0
Tabel 4.6 Hasil Uji Autokorelasi 2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .084
a
.007 -.019
12.70963 2.904
a. Predictors: Constant, LDER b. Dependent Variable: ROA
Sumber : Output SPSS, diolah Penulis, 2010
Universitas Sumatera Utara
Berdasarkan hasil uji statistik dengan model Durbin Watson seperti yang terdapat dalam tabel 4.6 dapat disimpulkan bahwa data tidak bebas dari
autokorelasi. Hal ini dapat dilihat dari nilai Durbin-Watson DW 2,904 yang tidak berada diantara du dan 4-du 1,544 dw 4-1,544 atau 1,544 dw2,456.
Karena data tidak bebas dari autokorelasi, maka dilakukan tindakan perbaikan treatment agar model regresi terbebas dari pengaruh autokorelasi. Menurut
Firdaus 2004:105, cara untuk menghilangkan pengaruh autokorelasi yang terdapat dalam suatu model regresi adalah dengan memasukkan lag variabel
dependennya. Hasil uji Durbin-Watson setelah dimasukkan lag variabel dependennya
dapat dilihat pada tabel 4.7.
Tabel 4.7 Hasil Uji Autokorelasi 2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .514
a
.264 .224
10.966203 2.439
a. Predictors: Constant, Lag_ROA, LDER b. Dependent Variable: ROA
Sumber: Output SPSS, diolah penulis 2010 Tabel 4.7 menunjukkan hasil uji autokorelasi variabel penelitian setelah
dimasukkan lag variabel dependennya. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi korelasi antar kesalahan pengganggu antar periode. Hal
tersebut dilihat dari nilai Durbin-Watson D-W sebesar 2,439. Angka D-W berada diantara DU dan 4-DU 1,544 dw 4-1,544 atau 1,544 dw2,456,
yang mengartikan bahwa angka D-W lebih besar dari 1,544 dan lebih kecil dari
Universitas Sumatera Utara
2,456. Jadi dapat disimpulkan bahwa setelah dimasukkan lag variabel dependennya, model regresi terbebas dari pengaruh autokorelasi.
c. Uji Heteroskedastisitas
Ghozali 2005:105 menyatakan “uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas”. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Cara mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan
program SPSS. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut:
3 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
4 jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
i. Hasil Uji Heteroskedastisitas 1 Rentabilitas Modal Sendiri
