pada sig0,05, sehingga dapat disimpulkan bahwa residual berdistribusi normal.
b. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahaan pengganggu pada periode t-1 sebelumnya Ghozali, 2011. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik adalah regresi yang
bebas dari autokorelasi. Alat ukur yang digunakan untuk mendeteksi adanya autokorelasi dalam penelitian menggunakan tes Durbin Watson D-
W. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept
konstanta dalam model regresi dan tidak ada variabel lagi di antara variabel independen.
Tabel 4. Uji Autokorelasi Variabel
Nilai D-W Kesimpulan
ROA, CR, LTDER, WCT, BETA
1,997 Non Autokorelasi
Sumber : Lampiran 23, halaman 99 Berdasarkan tabel 6 di atas dapat diketahui bahwa nilai D-W sebesar
1,997. Nilai ini akan dibandingkan dengan nilai tabel Durbin Watson d Statistic: Significance Points for d
l
and d
u
at 0,05 Level of Significance dengan menggunakan nilai signifikansi 5, jumlah sampel 120 n=120
dan jumlah variabel independen 5 k=5, maka dari tabel Durbin-Watson
diperoleh nilai batas bawah d
l
sebesar 1,6164 dan nilai batas atas d
u
sebesar 1,7896 Lampiran 30, halaman 133.
Nilai D-W yaitu 1,997 lebih besar dari batas atas d
u
1,7896 dan kurang dari 4-1,7896 4-d
u
. Jika dilihat dari pengambilan keputusan, hasilnya termasuk dalam ketentuan d
u
≤ d ≤ 4-d
u
, sehingga dapat disimpulkan bahwa 1,7896
≤ 1,997 ≤ 4-1,7896 menerima H yang
menyatakan bahwa tidak ada autokorelasi positif atau negatif berdasarkan tabel Durbin-Watson. Hal ini berarti tidak terjadi autokorelasi, sehingga
model regresi layak digunakan.
c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui apakah ada korelasi antar variabel bebas independen. Pengujian ini digunakan fasilitas uji
Variance Inflation Factor VIF. Analisis regresi berganda dapat
dilanjutkan apabila nilai VIF-nya kurang dari 10 dan nilai tolerance-nya di atas 0,1. Hasil uji multikolinearitas dengan program SPSS 21.0 disajikan
pada tabel 4 berikut:
Tabel 5. Hasil Uji Multikolinearitas Variabel
Tolerance VIF
Kesimpulan
ROA 0,682
1,465 Non Multikolinieritas
CR 0,653
1,531 Non Multikolinieritas
LTDER 0,814
1,228 Non Multikolinieritas
WCT 0,919
1,088 Non Multikolinieritas
BETA 0,899
1,113 Non Multikolinieritas
Sumber: Lampiran 24, halaman 100 Tabel 4 menunjukkan bahwa semua variabel bebas mempunyai nilai
toleransi di atas 0,1 dan nilai VIF di bawah 10, sehingga dapat