4.1.2.2 Uji Multikolinearitas
Uji multikolinearitas memiliki bahwa arti bahwa antara variabel independen yang terdapat dalam model regresi memiliki hubungan
yang sempurna. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan mengkorelasikan antara variabel independen dengan
variabel dependen dan jika korelasinya signifikan. Pengujian multikolinearitas dilakukan dengan melihat:
1. VIF 5 maka diduga mempunyai persoalan multikolineritas.
2. VIF 5 maka tidak terdapat persoalan multikolineritas.
3. Tolerance 0,1 maka diduga mempunyai persoalan
multikolineritas. 4.
Tolerance 0,1 maka tidak terdapat persoalan multikolineritas.
Berdasarkan perhitungan dengan menggunakan SPSS versi 18.0 maka dapat dilihat hasilnya sebagai berikut:
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 1.693
.202 8.362
.000 X1
-.135 .049
-.410 -2.776 .009
.744 1.344
X2 .008
.002 .462
3.390 .002
.875 1.142
X3 -.001
.001 -.128
-.941 .353
.881 1.135
X4 -.008
.006 -.169 -1.265
.214 .913
1.095 a. Dependent Variable: Y
Sumber: Output SPSS, diolah peneliti, 2013
Dari hasil pengujian pada tabel hasil uji multikolinearitas di atas, dapat dilihat bahwa nilai tolerance perputaran modal kerja X1,
perputaran kas X2, perputaran piutang X3 dan perputaran persediaan X4 0,1 yaitu masing-masing memiliki nilai 0,744 ; 0,875 ; 0,881
dan 0,913 sedangkan nilai VIF-nya 5 yaitu masing-masing memiliki nilai 1,344 ; 1,142 ; 1,135 dan 1,095. Sehingga dapat disimpulkan
bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
4.1.2.3 Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS versi 18.0. Dasar pengambilan keputusannya adalah:
1. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola
tertentu yang terartur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Model regresi yang baik adalah regresi yang bebas dari heteroskedasitas. Berikut ini dilampirkan grafik scatterplot untuk
menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada
gambar. Berikut ini adalah grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik
pada gambar.
Sumber: Output SPSS, diolah peneliti, 2013
Gambar 4.3 Output Pengujian Heteroskedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar
baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi dan model regresi
layak untuk dipakai.
4.1.2.4 Uji Autokorelasi