58
4.3.2.2 Autokorelasi
Salah satu metode yang digunakan untuk mendeteksi adanya autokorelasi adalah dengan metode Uji Durbin-Watson d. Adapun
pengujiannya adalah sebagai berikut :
Tabel 4.6. Data Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .729
a
.531 .477
70.72795 2.110
a. Predictors: Constant, ROA, CASH POSITION, DER b. Dependent Variable: DIVIDEND
Sumber : Lampiran Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini
dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin Watson sebesar 2,70, hal ini menunjukkan adanya gejala
autokorelasi.negative, tetapai tidak menjadi masalah serius karena data penelitian in i menggunakan data data pooling gabungan data time series
dengan cross section. Jadi dapat disimpulkan bahwa model regresi linier berganda yang
diperoleh pada penelitian ini telah memenuhi asumsi klasiknya yaitu tidak memenuhi autokorelasi dan normalitas datanya untuk sebagian variabel,
Koefisien korelasi berganda R = 0,729 yang menunjukkan bahwa hubungan antara variabel independent X1 , X2 dan X3 dengan Y
adalah kuat. Koefisien determinasi R
2
= 0,531 berarti variable Y dipengaruhi oleh variabel independent X1 , X2 dan X3 sebesar
59
53,10 persen sedang sisanya sebesar 57,90 persen dipengaruhi oleh variabel lain selain ketiga variabel independen dalam model tersebut
4.3.2.3 Multikolinearitas
Untuk mengetahui ada atau tidaknya gejala multikolinier pada model regresi linier berganda yang dihasilkan dapat dilakukan dengan
menghitung nilai Variance Inflation Factor VIF dari masing-masing variabel bebas dalam model regresi.
Tabel 4.8 : Hasil Pengujian Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 146.919
28.625 5.133
.000 CASH POSITION
29.367 6.667
.612 4.405
.000 .933
1.072 DER
-5.985 3.086
-.280 -1.940
.063 .865
1.156 ROA
-6.156 40.843
-.021 -.151
.881 .913
1.096 a. Dependent Variable: DIVIDEND
Sumber : Lampiran 3c Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity
statistics, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, yang artinya seluruh variabel bebas tidak ada gejala multikolinier.
4.3.3. Hasil Pengujian Regresi Linier Berganda