b. Uji Multikolinieritas
Uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Untuk melihat ada
atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari : 1
nilai tolerance dan lawannya, 2
Variance Inflatin 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 mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2005 : 91. Hasil dari uji
multikolinieritas dapat dilihat pada tabel berikut ini :
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1
Constant LN_Perputaran Piutang
.960 1.041
LN_Perputaran Persediaan .960
1.041 a. Dependent Variable: LN_Rentabilitas Ekonomi
Sumber : Output SPSS, diolah Peneliti, 2010
Universitas Sumatera Utara
Dari hasil pengujian diatas, dapat dilihat bahwa angka tolerance perputaran piutang dan perputaran persediaan 0,10 yaitu 0,960 dan
VIFnya 10 yaitu 1,041. Ini mengindikasikan bahwa tidak terjadi multikolinieritas diantara variabel independen dalam penelitian.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang
datanya time series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji
Durbin Watson. Untuk melihat ada tidaknya autokorelasi dilihat dari : a.
Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi. b.
Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar daripada nol, berarti ada
autokorelasi positif. c.
Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
d. Bila nilai DW terletak diantara batas atas du dan batas bawah dl atau
DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .159
a
.025 -.018
1.34252 2.054
a. Predictors: Constant, LN_Perputaran Persediaan, LN_Perputaran Piutang b. Dependent Variable: LN_Rentabilitas Ekonomi
Sumber : Output SPSS, diolah Peneliti, 2010
Positif No
Negatif Autocorelation
Autocorelation Autocorelation
0 dl du 2 2,054 4-du 4-dl 4 1,448 1,626 2,374 2,552
Berdasarkan uji diatas tampak bahwa nilai Durbin Watson hitung 2,054. Dengan jumlah variabel bebas k = 2, dengan jumlah sampel n =
48, maka dl = 1,448 dan du = 1,626. Nilai Durbin Watson hitung terletak antara batas atas atau upper bound du dan 4-du, sehingga dapat
Universitas Sumatera Utara
disimpulkan bahwa model regresi linier berganda terbebas dari asumsi klasik statistik autokorelasi.
d. Uji Heterokedastisitas