Uji Heteroskedastisitas Uji Autokorelasi

dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain menurut Ghozali 2006: 105. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain: 1. Jika ada pola tertentu, seperti titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1 .Autokorelasi Universitas Sumatera Utara muncul karena observasi yang berurutan sepanjang tahun berkaitan satu dengan lainnya.Hal ini sering ditemukan pada penelitian time series.Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai Durbin-Watson Ghozali 2006: 96. Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1. Bila nilai Durbin-Watson DW terletak antara batas atas satu Upper Bound DU dan 4-DU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound DL, maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif. 3. Bila nilai DW lebih besar dari pada 4-DL, maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif. 4. Bila nilai DW terletak diantara batas atas DU dan batas bawah DL atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan. Uji Autokorelasi juga dapat dilakukan melalui Run Test. Uji ini merupakan bagian dari statistik non-parametric yang dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi.Pengambilan keputusan dilakukan dengan melihat nilai Asymp.Sig 2-tailed uji Run Test. Apabila nilai Asymp. Sig 2- Universitas Sumatera Utara tailed lebih besar dari tingkat signifikansi 0,05 maka dapat disimpulkan tidak terdapat autokorelasi menurut Ghozali 2006:103. Universitas Sumatera Utara

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian 4.1.1 Analisis Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi menurut Sugiyono2007 : 142. Deskripsi suatu data dilihat dari nilai rata-rata mean, standar deviasi, maksimum, dan minimum. Berikut ini akan dijelaskan hasil statistik data keuangan dan variabel penelitian tahun dari tahun 2009- 2011. Statistik deskriptif variabel penelitian dari sampel perusahaan selama periode pengamatan 2007 sampai dengan tahun 2010 disajikan pada tabel 4.1 berikut ini : Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Resiko Bisnis 51 .0005 .0321 .014553 .0073951 Time Interest Earned 51 .0337 .9954 .449131 .2377614 Tingkat Bunga 51 .0287 .0895 .052796 .0136829 Struktur Modal 51 .0381 .1545 .093914 .0308001 Valid N listwise 51 Sumber : Hasil Penelitian, 2013 data diolah Universitas Sumatera Utara