commit to user TL
1,237 0,094
normal UDW
2,396 0,000
normal AUD
2,979 0,000
normal dummy variable
Sumber : data diolah
D. UJI HIPOTESIS MODEL I
1. Uji Asumsi Klasik
Sebelum dilakukan analisis regresi maka perlu dilakukan pengujian asumsi klasik terlebih dahulu agar model yang digunakan dapat menunjukkan hubungan
yang akurat. Adapun uji asumsi klasik yang akan dipakai dalam hipotesis model I ini adalah uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
· Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan penganggu pada periode t dengan
kesalahan pada periode t-1. Model regresi yang baik adalah model yang bebas dari autokorelasi.
Untuk menguji apakah terdapat autokorelasi atau tidak dilakukan pengujian dengan uji Durbin-Watson DW Test, yaitu dengan membandingkan
nilai tabel Durbin-Watson dengan nilai Durbin-Watson yang diperoleh dari perhitungan regresi. Nilai DW yang didapat dari hasil SPSS akan kita
bandingkan dengan nilai tabel dengan menggunakan signifikan 5 jumlah sampel 50 dan jumlah sampel independen 5. Bila DW lebih dari batas atas du
dan kurang dari 4 – du, maka dinyatakan tidak terjadi autokorelasi. Jika nilai DW
commit to user berkisar antara 1,771 sampai dengan 2.229 maka tidak terjadi autokorelasi. Hasil
perhitungan uji autokorelasi hipotesis model I dapat dilihat pada tabel berikut : Hasil uji DW didapat 1,708 angka tersebut tidak berada diantara 1.771 dan
2.299. Oleh karena itu dapat disimpulkan bahwa ada gangguan autokorelasi. Salah satu alternatif untuk mengatasi model regresi linear yang terkena gangguan
autokorelasi adalah dengan melakukan transformasi data generalized least squares dan Prais-Winsten tranformation. Hasilnya dapat dilihat dari table
berikut:
TABEL IV.4 Hasil Uji Durbin-Watson Setelah Transformasi Data
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .433
a
.187 .095
.23289 1.935
a. Predictors: Constant, IP, FL, OCF, ROA, FS b. Dependent Variable: IPORETN
Sumber : data diolah
Setelah dilakukan transformasi data didapat nilai DW 1,935 angka tersebut berada diantara 1.771 dan 2.299. Hal ini berarti bahwa gangguan autokorelasi
dapat teratasi setelah dilakukan transformasi data.
· Uji Multikolinearitas
commit to user Uji Multikolinieritas digunakan untuk menunjukkan ada tidaknya
hubungan linier diantara variabel-variabel independent dengan model regresi. Pengujian ini dilakukan dengan menggunakan tolerance value dan VIF dengan
kriteria pengujian sebagai berikut: jika tolerance value 0,01 maka terjadi multikolinieritas
jika tolerance value 0,01atau VIF 10 maka tidak terjadi multikolinieritas Hasil uji multikolinieritas dapat dilihat pada tabel berikut ini:
TABEL IV.5 Hasil Uji Multikolineritas
Variabel VIF
Tolerance value Asumsi Multikolinieritas
ROA 1,177
0,850 tidak terjadi multikolinieritas
FL 1,051
0,952 tidak terjadi multikolinieritas
FS 1,253
0,798 tidak terjadi multikolinieritas
OCF 1,037
0,965 tidak terjadi multikolinieritas
IP 1,389
0,720 tidak terjadi multikolinieritas
Sumber : data diolah Tabel di atas menunjukkan bahwa dalam penelitian ini variabel-variabel
bebas memiliki angka VIF dibawah 10 dan nilai tolerance diatas 0,1. Oleh karena itu dapat disimpulkan bahwa tidak ada multikolinieritas antara variabel satu
dengan variabel yang lainnya, maka semua variabel bebas yang diuji dapat digunakan dalam regresi berganda.
· Uji Heteroskedastisitas
commit to user Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas. Masalah heteroskedastisitas dalam penelitian ini dideteksi dengan melihat
residual plot persamaan regresi, jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola yang teratur maka telah terjadi heteroskedastisitas.
Berdasarkan gambar diatas, maka dapat diasumsikan bahwa tidak terjadi heterokedastisitas. Hal ini berdasarkan gambar grafik dimana titik- titik yang ada
dalam grafik tersebut tidak membentuk pola tertentu yang jelas dan titik-titik tersebut tersebar di atas dan di bawah angka 0 pada sumbu Y.
commit to user
· Uji Normalitas Regresi Berganda Model I TABEL IV.6
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
50 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .22068800
Most Extreme Differences Absolute
.116 Positive
.116 Negative
-.090 Kolmogorov-Smirnov Z
.823 Asymp. Sig. 2-tailed
.508 a. Test distribution is Normal.
b. Calculated from data.
Sumber : data diolah Karena
Sig . 0,05 maka regresi model I terdistribusi normal.
2. Analisis Persamaan Regresi Berganda Model I