4.2.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel- variabel independen antara yang satu dengan yang lainnya. Dalam hal
ini, kita sebut variabel-variabel bebas ini tidak ortogonal Erlina, 2011:103. Variabel-variabel bebas yang bersifat ortogonal adalah
variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Pengujian ini bertujuan untuk mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi antara variabel independen. Deteksi ini dilakukan dengan melihat nilai VIF Variable Inflation
Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
GOS .908
1.101 CR
.806 1.241
ROA .814
1.228 NWC
.890 1.123
a. Dependent Variable: DER Sumber : Output SPSS, diolah Penulis, 2015
Berdasarkan tabel 4.3 diatas, tidak ada satupun variabel bebas yang memiliki nilai VIF kurang dari 10 dan tidak ada yang memiliki
tolerance value lebih besar dari 0,10. Jadi, dapat disimpulkan bahwa model penelitian ini bebas dari adanya multikolinearitas atau lolos uji
multikolinearitas.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu
pengamatan ke pengamatan lainnya. Jika varians yang satu dengan pengamatan yang lain tetap maka disebut homokedastisitas dan jika
variansnya berbeda maka disebut heteroskedastisitas. Dalam penelitian ini, untuk mendeteksi ada atau tidaknya
gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari pengolahan data dengan menggunakan program SPSS
Versi 16. Dasar keputusannya adalah : 1.
Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengidentifikasi telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas
Berikut ini merupakan tampilan grafik Scatterplot untuk menganalis apakah terjadi heterokedastisitas.
Gambar 4.3 Scatterplot Dependent Variabel
Sumber : Output SPSS V.16, diolah Penulis, 2015. Berdasarkan gambar 4.3 tentang 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 nol pada
sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh
variabel independen terhadap variabel dependen.
4.2.2.4 Uji Autokorelasi