VIF kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah tolerance 0,1 sedangkan variance inflation factor VIF 5.
Tabel 4.9 menunjukkan tidak adanya gejala multikolinearitas, dimana hasil masing-masing uji VIF Variance Inflation Factor variabel CP, DER, ROA, GP,
dan SIZE menunjukkan nilai kurang dari 5 VIF 5 yakni 1,660, 1,100, 1,654, 1,070, 1,120 dan nilai Tolerance 0,1 yakni 0,602, 0,909, 0,605, 0,935, 0,893.
Tabel 4.9 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 102.268
96.371 1.061
.295 CP
5.522 3.893
.230 1.419
.164 .602
1.660 DER
4.350 3.386
.170 1.285
.207 .909
1.100 ROA
2.146 .498
.698 4.308
.000 .605
1.654 GP
.019 .300
.008 .064
.949 .935
1.070 SIZE
-3.322 3.438
-.129 -.966
.340 .893
1.120 a. Dependent Variable: DPR
Sumber : Hasil Penelitian, 2011 data diolah
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk mengetahui dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara untuk
Universitas Sumatera Utara
mendeteksi ada atau tidaknya heteroskedastisitas dapat dilihat dengan menggunakan grafik plot.
Gambar 4.3 : Scatterplot
Sumber : Hasil Penelitian, 2011 data diolah
Pada gambar Scatterplot di atas, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai
untuk memprediksi dividend payout ratio, berdasarkan masukan variabel independennya. Untuk lebih memperoleh tingkat keakuratan hasil, maka
dilakukan uji statistik Glejser untuk mendeteksi ada tidaknya heteroskedastisitas yang dapat dilihat pada Tabel 4.10 berikut ini:
Universitas Sumatera Utara
Tabel 4.10 Hasil Pengujian Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 162.818
61.887 2.631
.012 CP
.314 2.500
.024 .125
.901 DER
1.878 2.175
.133 .864
.393 ROA
.393 .320
.231 1.228
.227 GP
.058 .193
.046 .302
.764 SIZE
-5.409 2.208
-.380 -2.450
.019 a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2011 data diolah
Pada Tabel 4.10 di atas terlihat bahwa nilai signifikansi masing-masing variabel CP, DER, ROA, dan GP di atas tingkat kepercayaan 5 yakni 0,901,
0,393, 0,227, dan 0,764 namun nilai signifikansi variabel SIZE di bawah tingkat kepercayaan 0,05 yakni 0,019 maka dapat disimpulkan terjadi heteroskedastisitas
dalam model regresi sehingga tidak memenuhi kriteria regresi linear berganda. Penelitian ini selanjutnya melakukan suatu tindakan perbaikan
heteroskedastisitas yaitu dengan melakukan Ln Log Natural pada setiap variabel independen dan variabel dependennya. Model ini kemudian kembali diuji untuk
mendapatkan model yang layak untuk digunakan dalam regresi linear berganda.
Universitas Sumatera Utara
1. Uji Normalitas
