62
Variance Inflation Factor VIF serta besaran korelasi antar variabel independen. Berikut ini adalah tabel yang menunjukkan hasil uji multikolonieritas:
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
-2.117 1.225
-1.727 .087
Mudharabah .042
.102 .107
.409 .684
.144 6.922
Musyarakah -.027
.099 -.069
-.274 .784
.159 6.280
Ijarah .117
.051 .265
2.295 .024
.745 1.343
a. Dependent Variable: ROA
Sumber : output spss 19 Berdasarkan tabel 4.3 diatas dapat diketahui bahwa hasil uji
multikolinieritas menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel
independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hasil yang sama, tidak ada satupun variabel independen yang
memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi.
4.3.3 Uji Heteroskedastisitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED. Jika terdapat pola tertentu seperti titik-titik yang ada membentuk suatu
Universitas Sumatera Utara
63
pola tertentu yang teratut bergelombang, melebar kemudian menyempit, maka terjadi heteroskedasitas. Adapun hasil uji heteroskedasitas dalam penelitian ini
dapat dilihat pada gambar 4.3:
Sumber : output spss 19
Gambar 4.3 Uji Heteroskedastisitas
Gambar uji scatter plot diatas menjelaskan bahwa data sampel tersebar secara acak dan tidak membentuk suatu pola tertentu. Data tersebar baik berada di
atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terdapat heteroskedasitas dalam model regresi yang digunakan.
Pengujian Heteroskedastisitas juga dapat dilakukan menggunakan uji glejser, dan hasilnya dapat di lihat pada table 4.4 di bawah ini :
Tabel 4.4 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.451
.849 -.531
.597 Mudharabah
.036 .071
.138 .511
.611 Musyarakah
.013 .069
.047 .183
.855 Ijarah
-.014 .035
-.048 -.404
.687 a. Dependent Variable: absut
Sumber : output Spss 19
Universitas Sumatera Utara
64
Pada Tabel 4.4 dapat kita lihat tidak satupun variabel independen yang signifikan secara statistic mempengaruhi variabel dependen absolut Ut absUt.
Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas
4.3.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengguna pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Pengujian asumsi ini, dilakukan dengan menggunakan Durbin Watson Durbin Watson Test. Model regresi yang baik
adalah regresi yang bebas dari autokorelsi. Tabel 4.5
Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .494
a
.186 .056
.58900 1.756
a. Predictors: Constant, Ijarah, Musyarakah, Mudharabah b. Dependent Variable: ROA
Sumber : output spss 19 Adapun kriteria yang menunjukkan tidak terjadi autokorelasi adalah
sebagai berikut :
Tabel 4.6 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ d ≤ du
Tidak ada autokorelasi negatif Tolak
4 - dl d 4 Tidak ada autokorelasi negatif
No decision 4 -
du ≤ d ≤ 4 - dl Tidak ada autokorelasi, positif atau
negatif Tidak
ditolak du d
4 - du Sumber : Situmorang dan Lutfi, 2014 : 140
Universitas Sumatera Utara
65
Kriteria pengambilan keputusan uji Durbin – Watson DW jika du d
4-du, maka tidak ada autokorelasi positif atau negatif. Dari Tabel 4.5 terlihat bahwa nilai DW sebesar 1,756. Dengan jumlah data n= 96 dan jumlah variabel
bebas k = 3 maka du = 1,7326, dan 4 – du 4 – 1,7326 = 2,2674. Sehingga
dud 4 – du 1,7326 1,756 2,2674, maka dapat disimpulkan tidak ada
autokorelasi positif atau negatif.
4.4 Pengujian Hipotesis