Uji Heteroskedastisitas Uji Autokorelasi

b. Uji Heteroskedastisitas

Ghozali 2005 menyatakan uji heteroskedastisitas bertujuan menguji apakah dalam model regrei terjadi ketidaksamaan variance dari residual atau pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik yang homoskesdatisitas. Cara mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data dengan SPSS. Menurut Ghozali 2005 pengambilan keputusan adalah dengan melihat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada grafik Universitas Sumatera Utara Gambar 4.3 Scatterplot Sumber : Data diolah oleh peneliti, 2012 Dari grafik scatterplot terlihat bahwa titik – titik menyebar secara acak dengan tidak ada pola tertentu yang tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan terjadi homokedastisitas.

c. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada perode t-1 sebelumnya. Universitas Sumatera Utara Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan uji Durbin-Watson. Menurut Sunyoto 2009 pengambilan keputusan ada tidaknya autokorelasi adalah: 1 Angka D-W dibawah -2 berarti ada autokorelasi positif, 2 Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3 Angka D-W di atas +2 berarti ada autokorelasi negatif. Tabel 4.9 Hasil Uji Durbin – Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson d im e ns io n0 1 1.000 a 1.000 1.000 .0001182 1.687 a. Predictors: Constant, X5, X2, X3, X1, X4 b. Dependent Variable: Y Sumber : Data diolah peneliti, 2012 Tabel 4.9 menunjukkan hasil autokorelasi variabel penelitian. Berdasarkan hasil pengujian diperoleh bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal ini dilihat dari nilai Durbin-Watson D-W sebesar 1,687. Angka tersebut berada diantara -2 dan +2, artinya bahwa angka DW lebih besar dari -2 dan lebih kecil dari +2 -2 1,687 +2. Jadi dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif. 4. Analisis regresi Berdasarkan hasil uji asumsi klasik yang dilakukan, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini sudah memenuhi model yang Best Linear Estimator BLUE dan layak untuk pengajuan hipotesis dengan menggunakan analisis berganda.Adapun hasil analisis regresi sebagai berikut Universitas Sumatera Utara Tabel 4.10 Koefisien Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -2.425E-5 .000 -.400 .692 X1 .717 .000 .161 5173.654 .000 X2 .847 .000 .186 5289.949 .000 X3 3.107 .000 .387 17849.063 .000 X4 .420 .000 .471 10110.039 .000 X5 .998 .000 .488 21404.282 .000 a. Dependent Variable: Y Berdasarkan Tabel 4.10 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linier sederhana yaitu: Y = -2,42 + 0,717 � + 0,847 � + 3,107 � + 0,420 � + 0,998 � + e Pada undstandardized coefficients, diperoleh α, β 1 , β 2 , β 3 , β 4 , β 5 sebagai berikut : a. Nilai B Constatnt α = -2,42 Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu perbandingan working capital to total assets, retained earnings to total assets, Earning before interest and tax to total assets, market velue of equity to total liability, sales to total assets, maka perubahan nilai kesehatan yang dilihat dari nilai Y tetap sebesar -2,42. b. Nilai � = 0,717 = hasil perbandingan working capital to total assets Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan working capital to total assets sebesar 1 satuan, maka perubahan Universitas Sumatera Utara perbandingan working capital to total assets � yang dilihat dari nilai Y akan berkurang sebesar 0,717 dengan asumsi variabel lain dianggap tetap. c. Nilai � = 0,847 Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan retained earnings to total assets sebesar 1 satuan, maka perubahan retained earnings to total assets � yang dilihat dari nilai Y akan berkurang 0,847 dengan asumsi variabel lain dianggap tetap. d. Nilai � = 3,107 Koefisien ini menunjukkan bahwa setiap kenaikan earnings before interest and tax to total asset sebesar 1 satuan, maka perubahan earnings before interest and tax to total asset � yang dilihat dari nilai Y akan berkurang 3,107 dengan asumsi variabel lain dianggap tetap. e. Nilai � = 0,420 Koefisien ini menunjukkan bahwa setiap kenaikan perbandingan book value of equity to total liability sebesar 1 satuan, maka perubahan book value of equity to total liability � yang dilihat dari nilai Y akan berkurang sebesar 0,420 dengan asumsi variabel lain yang dianggap tetap. f. Nilai � = 0,998 Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan sales terhadap total assets sebesar 1 satuan, maka perubahan perbandingan sales terhadap total assets � yang dilihat dari nilai Y akan berkurang sebesar 0,998 dengan asumsi variabel lain dianggap tetap. Universitas Sumatera Utara

4.4 Pengujian Hipotesis