73 SM, struktur kepemilikan manajerial SKM tidak terjadi multikolinieritas antar
variabel bebas.
4.4.2.3 Uji Heteroskedastisitas
Sebuah Uji Asumsi Regresi Berganda Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual
dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan lain tetap, disebut homoskedastisitas. Jika varians
berbeda disebut heteroskedastisitas. Tidak terjadi heteroskedastisitas dalam model regresi yang baik. Pengujian heteroskedastisitas dalam penelitian ini
menggunakan metode scatterplot pada uji regresi yang telah dilakukan sebelumnya. Pada metode ini yang perlu diperhatikan adalah melihat ada tidaknya
pola tertentu dari variabel terikat, dimana jika terdapat pola tertentu maka tidak terjadi heteroskedastisitas, namun bila terdapat pola tertentu maka terjadi
heteroskedastisitas pada data yang digunakan dalam penelitian ini. Grafik scatterplot diperoleh dari output uji regresi melalui penambahan plots dengan
sresid sebagai Y dan z-pred sebagai X. Dari gambar 4.1 terlihat bahwa hubungan antara Regression Studentized Residual dan Regression Standardized Predicted
Value yang berupa titik-titik tidak terlihat membentuk suatu pola tertentu. Keterangan tersebut menunjukkan bahwa pada penelitian ini tidak ada gejala
heteroskedastisitas, sehingga model regresi yang dihasilkan layak digunakan untuk memprediksi variabel dependen berdasarkan masukan variabel bebasnya.
74
Regression Studentized Residual
4 2
-2 -4
Regres sion
Standardi zed
Predi cted
Val ue
5 4
3 2
1 -1
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 data diolah
Gambar 4.3 : Scatterplot Berdasarkan gambar 4.3 di atas dapat disimpulkan bahwa tidak terjadi
gejala heterokedastisitas karena titik menyebar secara tidak teratur atau tidak membentuk suatu pola tertentu serta titik menyebar di bawah dan di atas angka
nol.
4.4.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan penganggu pada periode t dengan kesalahan pada periode
t-1 sebelumnya. Ada beberapa cara dapat digunakan untuk mendeteksi masalah dan
autokorelasi diantaranya adalah dengan uji Durbin-Witson. Menurut Sunyoto 2009 pengambilan keputusan ada tidaknya autokorelasi adalah:
1 Angka D-W diantara -2 berarti tidak ada autokorelasi
2 Angka D-W di atas +2 berarti ada autokorelasi
75 Tabel 4.9
Hasil uji Durbin-Witson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Witson 1
.969
a
.940 .935
13.26271 2.629
a. Predictors Constant, SKM, SM, CG
b. Dependent Variable: PD
Sumber : data diolah peneliti, 2014 Tabel 4.7 menunjukkan hasil autokorelasi variabel penelitian. Berdasarkan
hasil pengujian diperoleh bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal ini dilihat dari nilai Durbin-Watson D-W sebesar
2.629. Angka tersebut berada diantara +2, artinya bahwa angka DW lebih besar dari -2 berarti -2 2.629 +2. Jadi dapat disimpulkan bahwa ada autokorelasi.
4.4.3 Analisis Regresi Berganda
Kategori