68
diperoleh nilai signifikansi dari residual persamaan regresi sebesar 0,164 0,05. Dengan demikian dapat disimpulkan bahwa data memiliki distribusi
yang normal.
4.3.2. Uji Asumsi Klasik
4.3.2.1. Uji Multikolinieritas
Menurut Imam Ghozali 2006:91, multikolinieritas terjadi apabila variabel dependen satu sama lain atau dengan kata lain variabel
independen saling berkolerasi. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas.
Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilakukan dengan cara menghitung Variance Inflation Factor VIF,
dengan ketentuan jika nilai VIF kurang dari 10 maka tidak terjadi multikolinieritas.
Tabel 4.3.2.1 : Uji Multikolinieritas
Coefficients
a
-2705.755 4931.828
-.549 .590
-375.279 620.729
-.536 -.605
.553 -.141
.028 35.943
-408.330 532.444
-.397 -.767
.453 -.178
.081 12.282
4266.671 4975.143
2.095 .858
.402 .198
.004 272.863
5336.562 4924.482
2.572 1.084
.293 .247
.004 257.466
-631.172 466.130
-.724 -1.354
.192 -.304
.076 13.082
384.475 259.573
1.169 1.481
.156 .330
.035 28.461
-3785.039 1399.048
-.967 -2.705
.014 -.538
.171 5.839
234.013 546.676
.224 .428
.674 .100
.080 12.472
10680.960 3583.841
1.602 2.980
.008 .575
.076 13.214
1290.101 556.560
.601 2.318
.032 .479
.326 3.071
-.619 2.487
-.062 -.249
.806 -.059
.355 2.820
15.541 5.166
.967 3.009
.008 .578
.212 4.727
-180.896 97.330
-1.376 -1.859
.080 -.401
.040 25.050
-1121.682 472.119
-.936 -2.376
.029 -.489
.141 7.092
Constant CR X1
QR X2 DR X3
ETA X4 ETL X5
EFA X6 GPM X7
NPM X8 ROA X9
ROE X10 ITO X11
ACP X12 FAT X13
TAT X14 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Partial Correl
ations Tolerance
VIF Collinearity Statistics
Dependent Variable: Perubahan Laba Y a.
Sumber : Lampiran 1
69
Berdasarkan hasil uji multikolinieritas menunjukkan nilai VIF untuk variabel X
1
, X
2
, X
3
, X
4
, X
5
, X
6
, X
8
, X
9
dan X
13
lebih besar dari 10 terjadi multikolineritas; sehingga dapat disimpulkan bahwa asumsi tidak
terjadi multikolinieritas pada persamaan regresi tidak dapat dipenuhi. VIF dapat diperbaiki dengan melakukan trimming membuang
variabel yang memiliki nilai VIF paling besar.
4.3.2.2. Uji Multikolinieritas – Trimming 1
Dengan menghapus variabel X
3
memiliki nilai VIF paling besar, hasil uji multikolinieritas menunjukkan nilai VIF untuk variabel X
1
, X
2
, X
4
, X
5
, X
6
, X
8
, X
9
, dan X
13
lebih besar dari 10 terjadi multikolineritas; sehingga dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas
pada persamaan regresi tetap tidak dapat dipenuhi.
Tabel 4.3.2.2 : Uji Multikolinieritas – Trimming 1
Coefficients
a
1498.356 536.048
2.795 .012
-125.862 544.550
-.180 -.231
.820 -.053
.036 28.053
-492.390 519.688
-.479 -.947
.355 -.212
.084 11.866
1234.602 1163.411
.595 1.061
.302 .237
.069 14.573
-708.944 454.029
-.814 -1.561
.135 -.337
.079 12.587
277.392 225.978
.843 1.228
.235 .271
.046 21.875
-3765.394 1389.088
-.962 -2.711
.014 -.528
.171 5.837
344.470 527.575
.329 .653
.522 .148
.085 11.780
9421.957 3246.523
1.413 2.902
.009 .554
.091 10.996
1231.130 548.438
.573 2.245
.037 .458
.331 3.024
-.268 2.436
-.027 -.110
.913 -.025
.364 2.744
15.709 5.126
.978 3.065
.006 .575
.212 4.720
-166.221 95.144
-1.264 -1.747
.097 -.372
.041 24.275
-1227.516 452.521
-1.024 -2.713
.014 -.528
.151 6.608
Constant CR X1
QR X2 ETA X4
ETL X5 EFA X6
GPM X7 NPM X8
ROA X9 ROE X10
ITO X11 ACP X12
FAT X13 TAT X14
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correl ations
Tolerance VIF
Collinearity Statistics
Dependent Variable: Perubahan Laba Y a.
Sumber : Lampiran 1 VIF dapat diperbaiki dengan melakukan trimming membuang
variabel yang memiliki nilai VIF paling besar.
70
4.3.2.3. Uji Multikolinieritas – Trimming 2