Tabel 4.3 menunjukkan besarnya Kolmogorov-Smirnov K-S adalah 0,663 dan signifikansi pada 0,771 sehingga dapat disimpulkan
bahwa data dalam model regresi telah berdistribusi secara normal, dimana nilai signifikansinya lebih besar dari 0,05 p = 0,771 0,05.
b. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Batas tolerance value adalah 0,1 dan batas VIF adalah 10. Suatu data
penelitian dikatakan terjadi multikolinieritas apabila tolerance value 0,1 dan VIF 10. Sebaliknya data yang terbebas dari multikolinieritas
adalah tolerance value 0,1 dan VIF 10. Hasil pengujian data disajikan pada tabel 4.4 sebagai berikut.
Tabel 4.4 Uji multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -4.072
20.605 -.198
.845 CR
-2.775 2.706
-.182 -1.025 .314
.575 1.738
DER .975
.315 .640
3.094 .004
.422 2.367
TATO 13.631
14.260 .149
.956 .347
.742 1.348
IT -1.917
3.273 -.104
-.586 .563
.575 1.740
OPM 128.518
39.152 .559
3.283 .003
.625 1.601
ROI -4.653
3.134 -.366 -1.485
.148 .298
3.352 a. Dependent Variable: PL
Sumber : Output SPSS, diolah oleh penulis, 2010
Universitas Sumatera Utara
Hasil pengujian data pada tabel 4.4 menunjukkan nilai tolerance variabel independen lebih dari 0,10. Hal ini dilihat pada tolerance
value CR yaitu 0,575; DER senilai 0,422; TATO senilai 0,742; IT senilai 0,575; OPM senilai 0,625; ROI senilai 0,298 dan hasil
perhitungan VIF kurang dari 10 yakni terlihat pada nilai VIF CR yaitu 1,738; DER senilai 2,367; TATO senilai 1,348; IT senilai 1,740; OPM
senilai 1,601; ROI senilai 3,352. Hal ini berarti tidak terjadi korelasi antar variabel independen sehingga data tersebut dapat digunakan
dalam penelitian.
c. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode
saat ini dengan kesalahan pengganggu periode sebelumnya. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang
diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Pengujian
autokorelasi pada penelitian ini dilakukan dengan menggunakan uji Durbin-Watson.
Tabel 4.5 Uji Durbin-Watson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,0,690
a
,476 ,367
20,76012 1,968
a Predictors: Constant, ROI, TATO, OPM, IT, CR, DER b Dependent Variable: PL
Sumber : Output SPSS, diolah oleh penulis, 2010
Universitas Sumatera Utara
Hasil pengujian pada tabel 4.5 menunjukkan bahwa nilai D-W sebesar 1,968. Nilai ini akan penulis bandingkan dengan nilai tabel
dengan menggunakan signifikansi 5, jumlah pengamatan n sebanyak 36, dan jumlah variabel independen 6 k=6. Maka
berdasarkan tabel Durbin Watson didapat nilai batas atas du sebesar 1,8764 dan nilai batas bawah dl sebesar 1,1144 .Oleh karena itu, nilai
dw lebih besar dari 1,8764 dan lebih kecil dari 4 – 1,8764 atau dapat dinyatakan bahwa 1,8764 1,968 4 – 1,8764 du dw 4 – du.
Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun negatif.
d. Uji Heterokedastisitas
