33 2.002 lebih besar dari 0.05 maka dapat disimpulkan bahwa data
terdistribusi normal.
2. Uji Asumsi Klasik
2.1. Uji Multikolinearitas
Uji multikolinearitas memiliki bahwa arti bahwa antara variabel independen yang terdapat dalam model
regresi memiliki hubungan yang sempurna. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan
mengkorelasikan antara variabel independen dengan variabel dependen dan jika korelasinya signifikan.
Pengujian multikolinearitas dilakukan dengan melihat : 1.
Nilai tolerance dan lawannya 2.
VIF Variance Inflation Factor, nilai cut off tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
Berdasarkan perhitungan dengan menggunakan SPSS versi 16.0 maka dapat dilihat hasilnya sebagai berikut
Tabel 4.7 Uji Multikolonearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1
Const ant
-81.131 48.723
-1.665 .103 DAR
2.572 .849
.309 3.028 .004 .935 1.070
Universitas Sumatera Utara
34 DER
.509 .086
.607 5.943 .000 .935 1.070
a. Dependent Variable: EPS
Dari tabel coefficient terlihat bahwa nilai tolerance jumlahnya kurang dari 10 sedangkan nilai VIF yaitu dominan jumlahnya
berada di atas 10 sehingga dapat dianggap tidak terjadi multikolinearitas
2.2. Uji Autokorelasi
Menurut Ghozali 2005:95 “ uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t-1 sebelumnya. “penggunaan progres SPSS bertujuan untuk mendeteksi
adanya problem autokorelasi adalah dengan melihat besaran Durbin Watson, yaitu panduan mengenai D-W Durbin
Watson pada tabel D-X.
Pengambilan keputusan ada tidaknya autokorelasi adalah
sebagai berikut :
• Angka D-W dibawah -2 berarti ada autokorelasi
positif •
Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi.
• Angka D-W diatas +2 berarti ada autokorelasi
negatif.
Universitas Sumatera Utara
35
Tabel 4.8 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.749
a
.561 .541
181.75123 2.232
a. Predictors: Constant, DER, DAR b. Dependent Variable: EPS
Dilihat dari hasil Durbin-Watson di atas yaitu sebesar 2.232 yang berarti terjadi autokorelasi negatif, angka D-W yang dihasilkan
terletak di atas +2 yang artinya terjadi autokorelasi negatif.
2.3. Uji Heteroskesdastisitas