dapat dikatakan terbebas dari multikolinearitas. Nilai VIF serta tolerance dari variabel-variabel peneltian dapat dilihat dari tabel berikut ini.
Tabel 4.8 Hasil Uji Multikolinearitas
Sumber: Output SPSS
Berdasarkan tabel 4.8 di atas dapat disimpulkan penelitian ini bebas dari gejala multikolinearitas. Semua variabel independen memiliki nilai
VIF lebih kecil dari 10. Selain itu, nilai tolerance setiap variabel independen lebih besar dari 0,1. Dengan demikian tidak ada
multikolinearitas dalam model regresi ini.
c. Uji Heteroskedastisitas
Uji heteroskedastisitias bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -1.093
.483 -2.265
.028 KOM
.012 .015
.123 .800
.428 .528
1.893 LEV
1.070 .562
.388 1.906
.063 .302
3.315 PRO
.064 .032
.406 2.004
.051 .306
3.269 Ln_SIZE
.047 .017
.433 2.785
.008 .517
1.933 a. Dependent Variable: IS
Universitas Sumatera Utara
het gra
baw terj
ber
ser ma
reg teroskedasti
afik scatter wah angka
rjadi heteros rikut ini.
Sumber: O
H
Dari grafi rta titik-titik
aka dapat gresi ini.
isitas. Uji in rplot, diman
0 pada su skedastisitas
Output SPSS
asil Uji He
ik scatterplo k menyebar
disimpulka ni dilakukan
ana bila ad umbu Y ser
s. Grafik sc
S
Gambar eteroskedas
ot di atas d r di atas da
an tidak te n dengan m
a titik-titik rta tidak m
catterplot da
r 4.3 stisitas Sca
dapat diliha an di bawa
erjadi heter mengamati po
menyebar embentuk p
apat dilihat
atterplot
at tidak ada ah angka 0
oskedastisit ola tertentu
r di atas d pola maka
pada gamba
a pola yang pada sumb
tas pada m u pada
an di tidak
ar 4.3
jelas bu Y,
model
Universitas Sumatera Utara
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada
tidaknya autokorelasi adalah dengan melakukan pengujian Durbin-Watson D-W. Berikut adalah hasil uji Durbin-Watson.
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .641
a
.411 .361
.15476 1.877
a. Predictors: Constant, Ln_SIZE, LEV, KOM, PRO b. Dependent Variable: IS
Sumber: Output SPSS
Kriteria untuk penilaian terjadinya autokorelasi yaitu: 1
nilai D-W lebih kecil dari -2 berarti ada korelasi positif, 2
nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3
nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif. Dari tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,877
yang berarti termasuk pada kriteria kedua, sehingga dapat disimpulkan bahwa model regresi bebas dari autokorelasi.
Universitas Sumatera Utara
3. Pengujian Hipotesis