80 Dalam tabel 4.3 hasil pengujian normalitas dengan uji statistik non-
parametrik Kolmogorov-Smirnov menunjukkan nilai Z hitung sebesar 0,718
dengan taraf signifikansi 0,681. Nilai taraf signifikansi diatas 0,05 0,681 0,05 menunjukkan bahwa data residual terdistribusi secara normal. Dengan kata lain,
model regresi yang digunakan memenuhi asumsi normalitas.
4.3.2. Uji Multikolonieritas
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika terjadi korelasi, maka terdapat multikolonieritas. Uji
multikolonieritas diuji dengan melihat nilai Variance Inflation Factor VIF. Dikatakan tidak terdapat multikolonieritas dalam model regresi jika tolerance
0,1 dan VIF 10 Ghozali, 2009. Untuk lebih memastikan ada tidaknya multikolonieritas dalam regresi dapat juga melihat korelasi antar variabel –
variabel independen. Dikatakan tidak terjadi multikolonieritas apabila korelasi antar variabel dibawah 95 0,95. Untuk mengetahui apakah terjadi
multikolonieritas dapat dilihat dari nilai VIF dan tolerance pada tabel 4.4 dan hasil besaran korelasi antar variabel pada tabel 4.5, sebagai berikut :
Tabel 4.4 Hasil Uji Multikolonieritas
Variabel Independen Collinearity Statistics
Tolerance VIF
LnSInst LnSMan
LnKomin ,912
,957 ,990
1,097 1,045
1,010
Universitas Sumatera Utara
81 LnKomit
LnLR LnProf
,987 ,931
,939 1,013
1,074 1,065
a. Dependent Variable: LnDTAC Berdasarkan tabel 4.4, dapat diketahui bahwa nilai tolerance dari setiap
variabel independen lebih dari 0,10 dan nilai VIF dari setiap variabel independen tidak lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa tidak ada
multikolonieritas antar variabel independen dalam model regresi. Kesimpulan ini didukung dengan hasil koefisien korelasi antar variabel seperti pada tabel 4.5
dibawah ini :
Tabel 4.5 Hasil Besaran Korelasi antar Variabel
Dari hasil besaran korelasi antar variabel independen pada tabel 4.5, tidak tampak adanya variabel yang memiliki korelasi cukup tinggi. Semua korelasi
Coefficient Correlations
a
Model LnProf
LnKomit LnLR
LnKomin LnSMan LnSInst
Correlations LnProf
1,000 ,027
,082 ,072
,120 -,201
LnKomit ,027
1,000 ,049
,053 ,073
-,062 LnLR
,082 ,049
1,000 -,008
,142 -,214
LnKomin ,072
,053 -,008
1,000 -,023
-,042 LnSMan
,120 ,073
,142 -,023
1,000 ,018
LnSInst -,201
-,062 -,214
-,042 ,018
1,000
Covariances LnProf
,002 ,000
,000 ,001
,001 -,001
LnKomit ,000
,029 ,000
,002 ,001
-,001 LnLR
,000 ,000
,001 -6,778E-005 ,001
-,001 LnKomin
,001 ,002 -6,778E-005
,048 -,001
-,001 LnSMan
,001 ,001
,001 -,001
,012 ,000
LnSInst -,001
-,001 -,001
-,001 ,000
,005
a. Dependent Variable: LnDTAC
Universitas Sumatera Utara
82 antar variabel independen masih dibawah 95 0,95, maka dapat dikatakan
tidak terjadi multikolonieritas antar variabel independen. 4.3.3. Uji Heteroskedastisitas
Pengujian heteroskedastisitas digunakan untuk melihat apakah dalam sebuah model regresi terjadi ketidaksamaan varian. Model regresi yang baik
adalah tidak terjadi heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat dilakukan dengan menggunakan scatterplot. Apabila
terdapat hasil yang menyebar nilai – nilai residualnya, maka model regresi tersebut bebas dari masalah heteroskedastisitas. Hasil uji heteroskedastisitas
dengan menggunakan grafik scatterplot dapat dilihat pada gambar 4.3, sebagai berikut :
Gambar 4.3 Grafik Scatterplot
Universitas Sumatera Utara
83 Dari gambar 4.3 diperoleh bahwa scatterplot membentuk titik – titik yang
menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Namun, untuk menjamin keakuratan hasil, maka diperlukan uji statistik uji Park
. Hal ini dianggap perlu karena diagram scatterplot dianggap memiliki kelemahan dalam keakuratan menginterpretasikan apakah model regresi terjadi
heteroskedastisitas atau tidak. Uji
Park adalah salah satu uji statistik yang digunakan untuk menjamin
keakuratan data dalam mendeteksi ada tidaknya heteroskedastisitas. Uji Park dilakukan dengan mengkuadratkan nilai residual, lalu mencari nilai logaritma
dari hasil kuadrat nilai residual tersebut yang kemudian diregresikan terhadap variabel independen. Jika nilai probabilitas signifikansinya diatas 0,05, maka
dapat disimpulkan tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan uji statistik park dapat dilihat pada tabel 4.6 sebagai berikut :
Tabel 4.6 Hasil Uji Heteroskedastisitas Dengan Uji Park
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
-,578 4,271
-,135 ,893
LnSInst -,175
,350 -,054
-,501 ,618
LnSMan ,089
,546 ,017
,163 ,871
LnKomin -,306
1,105 -,029
-,277 ,782
LnKomit -,564
,860 -,068
-,656 ,513
LnLR ,155
,189 ,088
,820 ,415
LnProf ,299
,228 ,140
1,312 ,193
a. Dependent Variable: LnU2i
Universitas Sumatera Utara
84 Tabel 4.6 menunjukkan bahwa semua variabel independen memiliki nilai
probabilitas signifikansi diatas tingkat signifikansi sebesar 0,05. Maka dapat disimpulkan model regresi bebas dari masalah heteroskedastisitas.
4.3.4. Uji Autokorelasi