yang menandakan bahwa data telah terdistribusi dengan normal. Hal ini sejalan dengan menggunakan histogram dan grafik normal plot bahwa data telah
terdistribusi secara normal.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari auto korelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time
series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson. Pengambilan
keputusan ada tidaknya autokorelasi menurut Ghozali 2005:96 adalah sebagai berikut:
1. Bila nilai Durbin-Watson DW terletak antara batas atas atau upper Bound
DU dan 4-DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai Durbin-Watson DW lebih rendah daripada batas bawah atau
Lower Bound DL maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
3. Bila nilai Durbin-Watson DW lebih besar daripada 4-DL, maka koefisien
autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. 4.
Bila nilai Durbin-Watson DW terletak antara batas atas DU dan batas bawah DL atau DW terletak antara batas antara 4-DU dan 4-DL,maka
hasilnya tidak dapat disimpulkan.
Universitas Sumatera Utara
i. Hasil Uji Autokorelasi 1 Rentabilitas Modal Sendiri
Berikut ini hasil uji Durbin Watson dengan menggunakan SPSS versi 16.0
Tabel 4.4 Hasil Uji Autokorelasi 1
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .203
a
.041 .016
12.11380 2.890
a. Predictors: Constant, LDER b. Dependent Variable: ROE
Sumber : Output SPSS, diolah Penulis, 2010
Berdasarkan hasil uji statistik dengan model Durbin Watson seperti yang terdapat dalam tabel 4.4 dapat disimpulkan bahwa data tidak bebas dari
autokorelasi. Hal ini dapat dilihat dari nilai Durbin-Watson DW 2,890 yang tidak berada diantara du dan 4-du 1,544 dw 4-1,544 atau 1,544 dw2,456.
Karena data tidak bebas dari autokorelasi, maka dilakukan tindakan perbaikan treatment agar model regresi terbebas dari pengaruh autokorelasi. Menurut
Firdaus 2004:105, cara untuk menghilangkan pengaruh autokorelasi yang terdapat dalam suatu model regresi adalah dengan memasukkan lag variabel
dependennya. Hasil uji Durbin-Watson setelah dimasukkan lag variabel dependennya
dapat dilihat pada tabel 4.5.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Autokorelasi 1
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .538
a
.289 .250
10.483451 2.349
a. Predictors: Constant, Lag_ROE, LDER b. Dependent Variable: ROE
Sumber: Output SPSS, diolah penulis 2010 Tabel 4.5 menunjukkan hasil uji autokorelasi variabel penelitian setelah
dimasukkan lag variabel dependennya. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi korelasi antar kesalahan pengganggu antar periode. Hal
tersebut dilihat dari nilai Durbin-Watson D-W sebesar 2,349. Angka D-W berada diantara DU dan 4-DU 1,544 dw 4-1,544 atau 1,544 dw2,456,
yang mengartikan bahwa angka D-W lebih besar dari 1,544 dan lebih kecil dari 2,456. Jadi dapat disimpulkan bahwa setelah dimasukkan lag variabel
dependennya, model regresi terbebas dari pengaruh autokorelasi.
i. Hasil Uji Autokorelasi 2 Rentabilitas Ekonomi