4. Uji Multikolinieritas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel–variabel independen. Model regresi yang baik seharusnya tidak terjadi
korelasi antar variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan toleransi. Menurut Ghozali 2005:91 untuk
melihat ada atau tidaknya multikolinearitas dalam model regresi dapat dilihat dari: a
Nilai tolerance dan lawannya, b
Variance Inflation Factor VIF Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen
lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolinearitas adalah nilai tolerance 0.01 atau sama dengan VIF10.
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1 Constant
4.031 .116
34.689 .000
LN_SIZE -.019
.011 -.189
-1.722 .089
.835 1.198
LN_ROE .000
.027 .000
.001 .999
.165 6.074
LN_DER -.008
.017 -.062
-.491 .624
.633 1.579
LN_ROA .022
.027 .235
.831 .408
.126 7.931
LN_NPM -.035
.016 -.367
-2.197 .031
.362 2.766
Sumber: Hasil Pengolahan Data dengan SPSS
Universitas Sumatera Utara
Berdasarkan tabel 4.4 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki
tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil uji ini maka dapat disimpulkan
bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
C. Hasil Pengujian Hipotesis 1. Uji Koefisien Determinasi
Nilai yang digunakan untuk melihat uji koefisien determinasi yang adalah nilai Adjusted R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini adjusted R
2
digunakan untuk mengetahui seberapa besar pengaruh variabel laba akuntansi dan laba tunai
terhadap dividen kas. “Adjusted R
2
dianggap lebih baik dari R
2
karena nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”Ghozali, 2005:92.
Tabel 4.6 Adjusted R
2
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error
of the Estimate
1 .303
.092 .041
.1054739 Sumber: Hasil Pengolahan Data dengan SPSS
Universitas Sumatera Utara