Gambar 4.2 Histogram Normal P-P Plot
4.5.2 Uji Multikolinearitas
Suatu model regresi yang baik selain data terdistribusi secara normal juga tidak mengalami Multikolinearitas. Multikolinearitas merupakan korelasi antara
satu variabel
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Toleranc
e VIF
1 Constant
,004 ,111
,036 ,972
Manajemen Modal
KerjaX1
,002 ,001
,385 2,870
,007 ,959
1,043 Likuiditas X2
,011 ,012
,154 ,894
,378 ,580
1,725 Leverage X3
,174 ,049
,578 3,520
,001 ,641
1,561 Corporate
Governance X4
-,004 ,012
-,046 -,331
,742 ,897
1,115 a. Dependent Variable: Profitabilitas
Universitas Sumatera Utara
bebas dengan variabel bebas lainnya. Untuk mendeteksi ada tidaknya multikolinearitas didalam regresi dapat dilihat dari nilai tolerance dan nilai
Variance Inflasing Factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur
variabilitas bebas yang tidak dapat dijelaskan oleh variabel bebas lainnya. Model regresi yang bebas multikolinearitas adalah yang mempunyai VIF 10 dan nilai
tolerance 0,1. Tabel berikut menyajikan hasil uji multikolinearitas.
Tabel 4.8 UjiMultikolinearitas
Berdasarkan tabel 4.8 dapat dilihat bahwa nilai VIF setiap variabel dibawah 10 dan nilai tolerance setiap variabel lebih besar dari 0,1 sehingga tidak
terdapat hubungan atau korelasi antara satu variabel bebas dengan variabel bebas lainnya. Dari tabel diatas dapat dinyatakan bahwa data penelitian tidak mengalami
multikolinearitas sehingga model regresi yang ada layak dipakai dalam memprediksi profitabilitas.
4.5.3 Uji Autokorelasi
Uji autokorelasi dalam penelitian ini digunakan uji Durbin-Watson. Berikut hasil berdasarkan uji Durbin-Watson.
Tabel 4.9 Uji Autokorelasi dengan Uji Durbin-Watson
Model Durbin-
Watson 1
1,297
Universitas Sumatera Utara
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 2009:220-221 menyatakan sebagai
berikut. “The size of the Durbin-Watson statistic depends upon the number of predictors
in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watsons 1951 original paper. As
very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be problematic
depending on your sample and model”.
Berdasarkan Tabel 4.9, nilai dari statistik Durbin-Watson adalah 1,297. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3,
yakni 1 1,297 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.5.4 Uji Heteroskedastisitas