Uji Multikolinieritas Uji Autokorelasi

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