74 bahwa nilai sig 0,05 atau 0,160 0,05. Dengan demikian, data sudah
terdistribusi normal.
4.3.2 Uji Multikolienaritas
Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antar variabel independen dan besarnya tingkat
kolinearitas yang masih dapat ditolerir yaitu : tolerance 0,10 dan VIF Variance Inflation Factor 10. Uji multikolinearitas dengan melihat
nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.3 berikut:
Tabel 4.3 Hasil Uji Multikolienaritas
Coefficients
a
Model Unstandardized Coefficients
Collinearity Statistics B
Std. Error Tolerance
VIF Constant
LEVERAGE PROFITABILITAS
LIKUIDITAS UKURAN PERUSAHAAN
UMUR OBLIGASI REPUTASI AUDITOR
6.242 -.063
185.058 .999
.102 -1.414
4.174 3.287
.161 36.900
1.222 .072
.584 1.237
.467 .600
.771 .686
.782 .436
2.141 1.666
1.296 1.459
1.279 2.295
a. Dependent Variable: Peringkat Obligasi
Sumber: Diolah dengan SPSS, 2015. Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya
gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel independen yang digunakan
Universitas Sumatera Utara
75 dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,10.
Untuk leverage memiliki nilai tolerance 0.467; profitabilitas memiliki nilai tolerance 0.600; likuiditas memiliki nilai tolerance 0.771; ukuran
perusahaan memiliki nilai tolerance 0.686; umur obligasi memiliki nilai tolerance 0.782; dan reputasi aditor memiliki nilai tolerance 0.436. Jika
dilihat dari VIF, masing-masing variabel independen lebih kecil dari 10 yaitu leverage memiliki VIF 2.141; profitabilitas memiliki VIF 1.666;
likuiditas memiliki VIF 1.296; ukuran perusahaan memiliki VIF 1.459; umur obligasi memiliki VIF 1.279 dan reputasi auditor memiliki VIF 2.295.
Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan
ke pengamatan lain. Pengujian heteroskedastisitas pada penelitian ini menggunakan dasar analitis sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk pola tertentu
yang teratur,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
76 Hasil dari uji heteroskedastisitas dapat ditunjukan pada gambar 4.3
berikut ini:
Gambar 4.3 Grafik
Scatterplot
Sumber: Diolah dengan SPSS, 2015. Dari grafik scatterplot diatas terlihat bahwa titik-titik menyebar
secara acak baik di atas maupun di bawah angka 0 pada sumbu Y tidak membentuk pola tertentu atau tidak teratur. Titik-titik yang menyebar
menjauh dari titik-titik yang lain mengindikasikan bahwa adanya data observasi yang sangat berbeda dengan data penelitian lainnya. Maka dapat
Universitas Sumatera Utara
77 di simpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini
sehingga model ini layak untuk digunakan untuk melihat pengaruh rasio leverage, profitabilitas, likuiditas, ukuran perusahaan, umur obligasi dan
reputasi auditor terhadap peringkat obligasi perusahaan perbankan yang terdaftar di BEI.
4.3.4 Uji Autokorelasi
Kategori