bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen.
Multikolonieritas terjadi apabila nilai tolerance 0,10 dan Variance Inflation Factor VIF 10. Berdasarkan Tabel 5.11 terlihat nilai VIF untuk variabel
current ratio, DTA, IOS lebih kecil dari 10. Sedangkan nilai tolerance-nya lebih besar dari 0,10. Hal ini menunjukkan bahwa variabel independen dalam penelitian
ini tidak saling berkorelasi atau tidak ditemukan adanya korelasi antara variabel independen. Hasil pengujian terlihat pada Tabel 5.11 sebagai berikut:
Tabel 5.11 Hasil Uji Multikolonieritas Sebelum Transformasi
Model Collinearity Statistic
Keterangan Tolerance
VIF 1 Constant
CurrentRatio 0,361
2,768 Tidak terjadi Multikolonieritas
DTA 0,362
2,761 Tidak terjadi Multikolonieritas
IOS 0,951
1,052 Tidak terjadi Multikolonieritas
a. Dependent Variable: Dividen Sumber: Hasil Penelitian, 2012 Data Diolah
5.3.3 Uji Autokorelasi Sebelum Transformasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi Ghozali, 2005. Pendeteksian masalah autokorelasi
dilakukan dengan pengujian Durbin-Watson pada Tabel 5.12.
Universitas Sumatera Utara
Tabel 5.12 Hasil Uji Autokorelasi Sebelum Transformasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,524
,275
a
,253 1,070E12
2,090 a. Predictors: Constant, IOS, DTA, CurrentRatio
b. Dependent Variable: Dividen Sumber: Hasil Penelitian, 2012 Data Diolah
Adapun kriteria pengujiannya adalah: a. Jika nilai D-W dibawah 0 sampai 1,5 berarti ada autokorelasi positif;
b. Jika nilai D-W diantara 1,5 sampai 2,5 berarti tidak ada autokorelasi; c. Jika nilai D-W diatas 2,5 sampai 4 berarti ada autokorelasi negatif. Setiaji,
2004 Dari Tabel 5.12 diperoleh nilai hitung Durbin Watson sebesar
2,090
. Kondisi
2,090
menunjukkan tidak adanya autokorelasi positif dan negatif.
5.3.4 Uji Heteroskedastisitas Sebelum Transformasi
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu menyempit pada grafik
scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID.
Dari Gambar 5.3 berikut terlihat bahwa titik-titik tidak menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi dividen tunai berdasarkan variabel
independen current ratio, DTA dan IOS.
Universitas Sumatera Utara
Gambar 5.3. Scatterplot Heteroskedastisitas Sebelum Transformasi
Sumber: Hasil Penelitian, 2012 Data Diolah Selain dari membaca pola penyebaran scatterplot pada Gambar 5.3,
analisis terhadap heteroskedastisitas dapat dilakukan dengan membaca tabel koefisien korelasi spearman pada Tabel 5.13
Tabel 5.13 Uji Koefisien Korelasi Spearman Sebelum Transformasi
Unstandardiz ed Residual
Current Ratio
DTA IOS
Spearma ns rho
Unstandardized Residual
Correlation Coefficient
1,000 ,355
-,449 -,357
Sig. 2-tailed . ,000
,000 ,000
N 104
104 104
104 CurrentRatio
Correlation Coefficient
,355 1,000 -,902
-,251 Sig. 2-tailed
,000 . ,000
,010 N
104 104
104 104
Universitas Sumatera Utara
DTA Correlation
Coefficient -,449
-,902 1,000 ,265
Sig. 2-tailed ,000
,000 . ,007
N 104
104 104
104 IOS
Correlation Coefficient
-,357 -,251
,265 1,000
Sig. 2-tailed ,000
,010 ,007 .
N 104
104 104
104 . Correlation is significant at the 0.01 level 2-tailed.
. Correlation is significant at the 0.05 level 2-tailed. Sumber: Hasil Penelitian, 2012 Data Diolah
Dari Tabel 5.13 dapat diketahui bahwa nilai korelasi ketiga variabel independen dengan Unstandardized Residual yakni lebih kecil dari 0,05.
Sehingga dapat disimpulkan bahwa terjadi gejala heteroskedastisitas dalam model, dan hal ini sejalan dengan uji grafik Scatterplots.
5.4 Uji Asumsi Klasik Hipotesis Kedua Setelah Transformasi
