4.3.2. Uji Asumsi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator
, artinya dalam pengambilan keputusan melalui uji F dan uji t tidak boleh bias Sesuai dengan tujuan
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil
sebagai berikut
1. Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya Untuk menguji apakah terjadi autokorelasi atau tidak, dapat
digunakan uji Durbin Watson, dengan ketentuan sebagai berikut :. 1.
Apabila 4 – dW dU, hal ini berarti bahwa Ho diterima : Jadi P = 0, berarti tidak ada autokorelasi pada model
2. Apabila 4 – dW dL, hal ini berarti bahwa Ho ditolak : Jadi P =
0, berarti terdapat autokorelasi pada model 3.
Apabila dL 4 – dW dU, hal ini berarti bahwa Uji ini hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah ada
autokorelasi atau tidak dalam model tersebut Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu
komputer yang menggunakan Program SPSS. 16.0. For Windows dapat diketahui besarnya bahwa nilai dW tes yaitu sebesar 2,185
Lampiran. 6, sedangkan berdasarkan tabel “Durbin Watson” Untuk N = 15 dan k = 3 Lampiran 8, diperoleh nilai dL = 0,814 dan dU =
1,750.
Untuk memperjelas uraian tersebut di atas, berikut ini merupakan gambar kurva daerah keputusan autokorelasi, dapat
disajikan pada gambar 4.1, sebagai berikut
Gambar. 4.1 : Daerah Keputusan Autokorelasi
Berdasarkan pada gambar 4.1 dapat diketahui bahwa nilai dW tes sebesar 2,185 berada diantara nilai dU = 1,750 dan 4 - dU = 2,250,
terletak didaerah tidak ada Autokorelasi positif dan negatif, dan sesuai dengan ketentuan yang telah ditetapkan, maka hal ini berarti bahwa
dalam model regresi tersebut tidak terdapat korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya, sehingga data dari seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2
, dan X
3
, dapat digunakan
dalam penelitian.
2. Multikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian ini dengan melihat besarnya nilai
Variance Inflation Factor VIF.
Tidak Ada Autokorelasi Positif dan Negatif
dL = 0,814
dU = 1,750
4 – dU = 2,250
4 – dL =3,186
4 Daerah
Keragu -raguan Ada
Autokorelasi Negatif Daerah
Keragu - raguan Ada
Aukorelasi positif
DW test = 2,185
Dasar analisis yang digunakan yaitu jika nilai VIF Variance Inflation Factor
10, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas
Multikolinieritas Ghozali, 2002 : 57-59 Berdasarkan hasil Uji Multikolinieritas dengan alat bantu
komputer yang menggunakan Program SPSS. 16.0, dapat disajikan pada tabel 4.6, sebagai berikut
Tabel 4.6 : Hasil Uji Multikolinieritas
Variabel Nilai VIF
Variance Inflation Factor Keterangan
Cash Position X1
1,588 Bebas Multikolinieritas
Debt to Equity Ratio X2
1,587 Bebas Multikolinieritas
Pertumbuhan laba relatif X3 1,050
Bebas Multikolinieritas
Sumber : Lampiran 6
Berdasarkan pada tabel 4.6 menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan X
3
mempunyai nilai VIF Variance Inflation Factor lebih kecil dari 10, dan sesuai dengan dasar analisis yang digunakan, hal ini
berarti bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
3. Heteroskedastisitas
Kategori