Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y,
dan ZPRED pada sumbu X. Ghozali, 2011:139. Ghozali 2011:139 menyatakan dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas,
serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.2 Uji Heteroskedastisitas
Perhatikan bahwa berdasarkan Gambar 4.2, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas
Universitas Sumatera Utara
dilakukan dengan uji Glejser Gujarati, 2003, Gio dan Elly, 2015:182-183. Berikut hasil uji Glejser.
Tabel 4.4 Uji Heteroskedastisitas Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .074
.292 .255
.800 Resiko PembiayaanX1
-.044 .268
-.031 -.163
.871 BOPOX2
.144 .233
.114 .618
.540 Primary RatioX3
-.080 .131
-.124 -.611
.545 Opportunity CostX4
-.072 .195
-.062 -.370
.714 a. Dependent Variable: abs_residual_Glejser
Berdasarkan Tabel 4.4, diketahui nilai probabilitas atau Sig. dari RP adalah 0,871, nilai probabilitas atau Sig. dari BOPO adalah 0,540, nilai probabilitas atau
Sig. dari PR adalah 0,545, nilai probabilitas atau Sig. dari PR adalah 0,545, dan nilai probabilitas atau Sig. dari OC adalah 0,714. Karena seluruh nilai Sig. lebih
besar dari 0,05 tidak signifikan, maka disimpulkan bahwa tidak terjadi heteroskedastisitas Gujarati, 2003. Gio dan Elly, 2015:182-183.
4.2.4 Uji Autokorelasi
Menurut Ghozali 2011 uji autokorelasi bertujuan untuk menguji apakah terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Asumsi mengenai independensi terhadap residual non-autokorelasi
dapat diuji dengan menggunakan uji Durbin-Watson Gio, 2015:61-62, Field, 2009:220. Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Nilai
Universitas Sumatera Utara
statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 2009:220-221
dalam buku “Discovering Statistics Using SPSS, 3 Edition
” menyatakan sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should look up the exact
acceptable values in Durbin and Watsons 1951 original paper. As very conservative
rule of thumb, values less then 1 or greater than 3 are definitely cause for concern;
however, values closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.5 Uji Autokorelasi
Model Durbin-Watson
1 1.429
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 1,429. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3,
maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi.
4.3 Analisis Koefisien Determinasi