berarti nilai probability nilai signifikansi, yang berarti data dalam penelitian ini terdistribusi normal.
b. Hasil Uji Multikolinearitas
Multikolinearitas multicollinearity merupakan hubungan linier antara variabel independen di dalam regresi berganda.
76
Pada software
Eviews 8.0,
untuk mendeteksi
ada tidaknya
multikolinearitas dengan melihat nilai koefisien korelasi pada masing-masing variabel independen melalui uji matriks korelasi.
Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,80, maka model dapat dikatakan terbebas
dari multikolinearitas. Jika lebih dari 0,80 maka diasumsikan terjadi korelasi interaksi hubungan yang sangat kuat antar
variabel independen sehingga terjadi multikolinearitas.
77
Berdasarkan hasil perhitungan yang dilakukan dengan eviews diperoleh hasil sebagai berikut:
Tabel 4.6 Korelasi variabel independen
ROA ROE
FDR SIZE
ROA
1.000000 0.611316
-0.129391 -0.006293
ROE
0.611316 1.00000
-0.097704 0.466545
FDR
-0.129391 -0.097704
1.000000 0.003855
SIZE
-0.006293 0.466545
0.003855 1.000000
Sumber : Data Sekunder Diolah Output Eviews 8.0
76
Agus Widarjono, Analisis Statistika Multivariat Terapan, hlm.76
77
Dedi Rosadi, Ekonometrika Analisis Runtun Waktu Terapan dengan Eviews, Yogyakarta: ANDI, 2012 hlm.271
Dari tabel diatas terlihat bahwa tidak ada variabel independen yang mempunyai korelasi dengan variabel independen lainnya bernilai
dibawah 0,8. Sehingga dapat dikatakan data dalam penelitian ini tidak terdapat multikolinearitas. Maka dapat disimpulkan semua
variabel independen dalam model regresi terbebas dari multikolinearitas dan dapat digunakan dalam penelitian ini.
c. Hasil Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah
yang homoskedastisitas
atau tidak
terjadi heteroskedastisitas.
78
Dalam penelitian ini, heterokedastisitas dapat dilakukan dengan uji Park,
79
dimana nilai residual data yang telah di log natural diregresikan dengan variabel independen yang
ada. Jika nilai probability alpha 0,05, maka terdapat masalah heterokedastisitas, tetapi jika nilai nilai probability alpha 0,05,
yang berarti bahwa tidak terdapat masalah heterokedastisitas. Hasil uji Park dapat dilihat dati tabel dibawah ini:
78
Nachrowi D. Nachrowi dan Hardius Usman, Pendekatan Populer dan Praktis Ekonometrikal untuk Analisis Ekonomi dan Keuangan, hlm. 109.
79
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews, hlm. 512
Tabel 4.7 Uji Park
Test Equation: Dependent Variable: RESID2
Method: Least Squares Date: 061416 Time: 17:20
Sample: 1 50 Included observations: 50
Variable Coefficient
Std. Error t-Statistic
Prob. C
8.713201 5.687427
1.532011 0.1328
ROA -0.151258
0.248752 -0.608069
0.5463 ROE
-0.078351 0.095365
-0.821592 0.4158
FDR -0.248683
0.269846 -0.921574
0.3619 SIZE
-0.006765 0.010793
-0.626790 0.5341
Sumber : Data Sekunder Diolah Output Eviews 8.0
Berdasarkan tabel diatas dapat dilihat bahwa tingkat signifikansi variabel independen dalam penelitian ini berada
diatas 5 atau 0,05. Hal ini menunjukan bahwa model regresi dalam penelitian ini tidak terjadi heterokedastisitas. Sehingga
model regresi layak digunakan untuk melakukan penelitian ini. d. Hasil Uji Autokorelasi
Autokorelasi berarti adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu.
Dalam konteks ini autokorelasi merupakan korelasi antara satu residual dengan residual yang lain.
80
Jika terjadi korelasi maka
80
Jaka Sriyana, Metode Regresi Data Panel, hlm. 59.
dinyatakan terjadi masalah autokorelasi, dan model yang baik adalah model yang bebas dari autokorelasi.
Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi diuji dengan Durbin-Watson. Dasar pengambilan
keputusan ada tidaknya autokorelasi dalam model regresi adalah sebagai berikut:
81
1. Terjadi autokorelasi positif, jika nilai DW dibawah -2 DW -2
2. Tidak terjadi autokorelasi, jika nilai DW berada diantara -2 dan +2 atau -
2 ≤ DW ≤ +2 3. Terjadi autokorelasi negatif, jika nilai diatas +2 atau
DW +2
Tabel 4.8 Uji Durbin-Watson
Dependent Variable: Y Method: Least Squares
Date: 061416 Time: 17:30 Sample: 1 50
Included observations: 50 R-squared
0.588971 Mean dependent var 8.794600
Adjusted R-squared 0.552435 S.D. dependent var
4.115786 S.E. of regression
2.753472 Akaike info criterion 4.958242
Sum squared resid 341.1723 Schwarz criterion
5.149444 Log likelihood
-118.9560 Hannan-Quinn criter. 5.031053
F-statistic 16.12035 Durbin-Watson stat
0.994220 ProbF-statistic
0.000000 Sumber : Data Sekunder Diolah Output Eviews 8.0
81
Singgih Santoso, Buku Latihan SPSS Statistik Parametik, hlm. 243.
Berdasarkan tabel diatas, dapat diketahui nilai Durbin-Watson berada di antara -2 dan +2 atau -2 DW 2 yaitu sebesar 0.994220,
maka dapat disimpulkan bahwa data tidak terjadi autokorelasi.
3. Analisis Regresi Berganda a. Regresi Berganda