benar-benar linier dan tidak bias, atau tidak terjadi penyimpangan- penyimpangan persamaan yang berarti, seperti di bawah ini :
a. Tidak boleh ada Multikolineritas
b. Tidak boleh ada Heteroskedastisitas
c. Tidak boleh ada Autokorelasi
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias. Berikut ini penjelasan mengenai asumsi klasik :
a. Multikolinearitas
Multicolinearity
Multikolinearitas berarti adanya hubungan linier yang “sempurna” atau pasti, diantaranya beberapa atau semua variabel yang
menjelaskan dari model regresi. Uji multikoninearitas bertujuan untuk menguji apakah model
regresi ditemukan adnya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel bebas Ghozali, 2001 : 63. Deteksi adanya multikolinearitas menurut Santoso 2000: 206 yaitu:
1. Mempunyai nilai VIF di sekitar angka 1
2. Mempunyai angka tolerance mendekati 1
b. Heteroskedastisitas
Heteroscedasticity
Tujuan dari uji heteroskedastisitas adalah menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain, model regresi yang baik adalah yang homoskedastisitas tetap atau tidak terjadi heteroskedastisitas.
Ghozali, 2001: 77. Untuk mendeteksi ada tidaknya heteroskedastisitas digunakan
korelasi Rank Spearman antara residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah :
rs = 1 – 6
1
2 2
n n
d
i
............................................ Gujarati, 1999: 188
Keterangan :
d
i
= Perbedan dalam rank antara residual dengan variabel bebas n = Banyaknya data
Hipotesis untuk heteroskedastisitas : Ho
: σ
1
= σ
m
tidak bersifat heteroskedastisitas Hi
: σ
1
≠ σ
m
bersifat heteroskedastisitas 1.
Apabila nilai signifikan hitung sig tingkat signifikan α = 0,05
maka Ho diterima berarti tidak terjadi heteroskedastisitas. 2.
Apabila nilai signifikan huitung sig tingkat signifikan α = 0,05
maka Ho diterima berarti terjadi heteroskedastisitas.
c. Autokorelasi
Menurut Ghozali 2001: 67, tujuan uji autokorelasi adalah untuk menguji apakah dalam suatu model regresi linear ada korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Mendiagnosa adanya autokorelasi dalam suatu model regresi dapat dilakukan pengujian terhadap nilai uji Durbin Watson uji DW
dengan ketentuan sebagai berikut:
Daerah keragu-
raguan Daerah
keragu- raguan
Ada Autokore
lasi negatif
Ada Autokore
lasi positif
Tidak ad autokorelsi positif dan tidak ada
autikorelasi negatif
dL dU
4-dU 4-dL
4 Gambar 3.1 : Kurva Uji Autokorelasi
Keterangan: 1.
bila nilai DW terletak diantara batas atas atau upper bound dU dan 4-dU, maka koefisien autokorelasi sama dengan nol, berarti
tidak ada autokorelasi. 2.
bila nilai DW lebih rendah deripada batas bawah atau lower bound dL, maka koefisien autokorelasi lebih besar daripada nol, berarti
ada autokorelasi positif.
3. bila nilai DW lebiih besar daripada 4-dL, maka koefisien
autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. bila nilai DW terletak di antara batas atas dU dan batas bawah
dL atau DW terletak antara 4-dU dan 4-dL, maka hasilnya tidak dapat disimpulkan.
3.4.3. Analisis Data
Dilakukan dengan mengunakkan teknik statistik model regresi linier berganda, kaitan dengan variabel penelitian dapat digambarkan
dengan rumus : Y
= β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e ................Anonim, 2008: L- 21
Keterangan: Y
= Variabel
dependen
abel X ih
gang
e =
Kesalahan baku
β =
Konstanta β
1
, β
2
, β
3
, β
4
= Koefisien regresi vari X
1
= Perubahan laba bers X
2
= Perubahan Puitang X
3
= Perubahan hutang da X
4
= Perubahan arus kas
3.4.4. Uji Hipo
ilakukan untuk masing-masing uji hipotesis antara lain
a. Uji Keco
