4.3.2. Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antara variabel yang terdapat dalam matriks korelasi. Menurut Ajija et al. 2011:35 jika
koefisien korelasi di antara masing-masing variabel bebas lebih besar dari 0,8 maka terjadi multikolinearitas. Hasil uji ini dapat dilihat pada Tabel 4.2 sebagai berikut:
Tabel 4.2 Uji Multikolinearitas dengan Matriks Korelasi
ROA DER
CR Firm Size
Growth Produktivity
ROA 1,00
-0,41 -0,54
-0,43 0,20
0,77 DER
-0,41 1,00
0,58 0,51
0,22 -0,12
CR -0,54
0,58 1,00
0,68 -0,01
-0,40
Firm Size -0,43
0,51 0,68
1,00 0,06
-0,30
Growth 0,20
0,22 -0,01
0,06 1,00
0,31
Produktivity 0,77
-0,12 -0,40
-0,30 0,31
1,00
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi antara ROA dan DER sebesar -0,41, korelasi antara DER dan CR sebesar -0,54, korelasi antara CR dan Firm Size
sebesar -0,43, korelasi antara Firm Size dan Growth sebesar 0, 20 dan korelasi antara Growth dan Produktivity sebesar 0,77. Dari hasil pengujian multikolinearitas pada
Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Hal ini karena nilai korelasi antar variabel independen tidak lebih dari 0,8.
4.3.3 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual non-autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson. Nilai statistik dari uji Durbin-Watson berkisar
Universitas Sumatera Utara
di antara 0 dan 4. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 4 diindikasi terjadi autokorelasi.
Tabel 4.3 Uji Autokorelasi dengan Uji Durbin-Watson
Log likelihood 115.7122 Hannan-Quinn criter.
-4.654724 Durbin-Watson stat
2.072636
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson adalah 2,072636. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 4, yakni
1 2,072636 4, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.3.4 Uji Heteroskedastisitas
Kategori