45 Tabel 4.8
Multikolinearlitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-14.043 9.047
-1.552 .129
DER 5.283
3.577 .387
1.477 .148
.253 3.954
DAR 42.409
25.649 .470
1.653 .107
.215 4.649
LDER -23.426
6.890 -.615
-3.400 .002
.530 1.888
a. Dependent Variable: ROE
Sumber : Output SPSS versi 18
Dari data tabel 4.8 diatas dapat disimpulkan bahwa tidak terjadi Multikolinearlitas dengan nilai dasar VIF untuk setiap variabel independent tidak
ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0.1.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain
dalam metode regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas, menurut Ghozali 2005:105 dapat dilihat dari garfik
scatterplot antara nilai prediksi variabel dependent yaitu ZPRED dengan residual SRESID. Hasil uji heteroskedastisitas dapat dilihat pada grafik berikut ini:
Universitas Sumatera Utara
46
Gambar 4.3 Grafik
Scatterplot Sumber : output SPSS versi 18
Dari garfik Scatterplot diatas dapat disimpulkan bahwa titik-titik penyebaran secara acak serta tidak membentuk pola tertentu atau tidak teratur, hal
ini mengidikasikan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai.
4.3.4 Uji Autokorelasi
Penyimpangan model regresi klasik lainnya adalah adanya Uji Autokorelasi dalam regresi. Tujuan autokorelasi adalah untuk menguji apakah
terdapat korelasi antara kesalahan pengganggu pada satu periode dengan model
Universitas Sumatera Utara
47
regresi. Apabila dalam model regresi terdapat autokorelasi maka dalam penelitian terdapat korelasi antar anggota sampel yang diurutkan berdasarkan waktu artinya
koefesien korelasi menjadi tidak akurat sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW. Pengambilan
keputusan ada tidaknya autokorelasi menurut Ghozali 2005:96 dapat dilihat dalam tabel dibawah ini :
Tabel 4.9 Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du
Tidak ada korelasi negative
Tolak 4 – dl d 4
Tidak ada korelasi negative
No decision 4 – du
≤ d ≤ 4 – dl
Tidak ada korelasi positif atau negatif
Tidak ditolak du d 4 – du
Berikut ini hasil uji Durbin Watson dengan menggunakan program SPSS versi 18:
Universitas Sumatera Utara
48 Tabel 4.10
Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .613
a
.375 .323
10.55970 2.237
a. Predictors: Constant, LDER, DER, DAR b. Dependent Variable: ROE
Sumber :Output SPSS versi 18
Hasil uji autokorelasi nilai statistik Durbin Watson DW sebesar 2.237, nilai ini akan kita bandingkan dengan nilai tabel yang menggunakan signifikan
5, jumlah sampel n 40, dan jumlah variabel independent k 4, maka berdasasrkan nilai tabel Durbin Watson didapat nilai batas atas du sebesar 1.720
dan nilai batas bawah dl sebesar 1.284 Oleh karena itu, nilai Dw lebih besar dari dan lebih kecil dari du d 4 – du. Dengan demikian dapat disimpulkan
tidak terdapat autokorelasi baik positif maupun negatif.
4.4 Analisis Berganda