Gambar 4.2 Grafik
Normal P-P Plot of Regression Standardized Residual
Sumber : Diolah dari SPSS 2013 Grafik Normal P-P Plot of Regression di atas memperlihatkan titik-titik
menyebar berhimpitan di sekitar diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal. Karena secara keseluruhan data telah terdistribusi
secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
4.2.4 Uji Multikolineritas
Pengujian ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya
8QLYHUVLWDV6 XPDWHUD8WDUD
tidak terjadi korelasi diantara variabel independen Ghozali, 2005 : 91. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah
sebagai berikut : 1 Menganalisis matrik korelasi variabel
–variabel independen, jika diantara variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90,
maka hal ini merupakan indikasi adanya multikolonieritas, 2 Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya
2 variance inflation factor VIF,nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau
sama dengan nilai VIF 10. Hasil uji multikolinearitas disajikan dalam daftar tabel berikut ini :
Tabel 4.5 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Constant
-1,572 ,684
-2,299 ,028 cash form
operation ,302
,069 1,436
4,350 ,000
,162 6,192
cash form investing
-,186 ,052
-1,116 -3,546 ,001
,178 5,625
cash form financing
-,026 ,052
-,140 -,490
,627 ,215
4,653 a. Dependent Variable: liquidity
Sumber : Diolah dari SPSS 2013
8QLYHUVLWDV6 XPDWHUD8WDUD
Dari hasil pengujian pada table, dapat dilihat bahwa angka tolerance Aktivitas Operasi adalah sebesar 0,162 0.1 dan VIF 6,192 10, tolerance
Aktivitas Investasi adalah sebesar 0,178 0,1 dan VIF 5,625 10, tolerance Aktivitas Pendanaan adalah sebesar 0,215 0,1 dan VIF 4,653 10. Hal ini
mengindikasikan bahwa tidak
terjadi multikolinearitas di
antara variabel
independen dalam penelitian.
4.2.5 Uji Heteroskedastisitas
Pengujian ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Jika
variabel residual tersebut tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah homokedastisitas
Ghozali, 2005 : 105. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scaterplot antara nilai prediksi variabel independen dengan nilai
residualnya. Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
1 Jika ada pola tertentu, seperti titik –titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2 Jika tidak ada pola yang jelas, serta titik –titik yang menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
8QLYHUVLWDV6 XPDWHUD8WDUD
Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Gambar 4.3 Grafik
Scatterplot
Sumber : Diolah dari SPSS 2013 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak
dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi
heterokedastisitas, sehingga model ini layak dipakai untuk memprediksi Likuiditas pada Sub Sektor Makanan dan Minuman yang terdaftar di BEI , berdasarkan
masukan variable independen yaitu Aktivitas Operasi, Aktivitas Investasi dan Aktivitas Pendanaan.
8QLYHUVLWDV6 XPDWHUD8WDUD
4.2.6 Uji Autokorelasi