Grafik Normal P-Plot Regression Standardized Residual di atas
merupakan grafik Normal P-Plot Regression yang telah ditransformasi dengan Logaritma Natural, di mana memperlihatkan titik – titik
menyebar berhimpitan di sekitar diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal. Secara keseluruhan data telah
terdistribusi secara normal, selanjutnya dapat dilakukan pengujian asumsi klasik lainnya
48
4.1.2.2. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengaganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan
pengganggu pada kata yang tersusun, baik berupa data cross sectional dan time series. Autokorelasi yang terjadi dalam model regresi
menimbulkan koefisien korelasi yang diperoleh menjadi tidak akurat dan model regresi yang baik adalah model regresi yang bebas dari
autokorelasi.
Universitas Sumatera Utara
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW.
Dalam model regresi tidak terjadi autokorelasi apaibla nilai dw4-du.
Tabel 4.4 Hasil Uji Autokorelasi
Adjusted R Std. Error of the
Square Estimate
1 .675
.456 .420
.45323
a. Predictors: Constant, LN_Spread, LN_PMK b. Dependent Variable: LN_CR
Model Summary Model
R R Square
Durbin-Watson 1.363
Sumber : Output SPSS, diolah penulis, 2011
Berdasarkan uji diatas tampak bahwa nilai Durbin Watson hitung 1,363. Dengan jumlah variabel bebas k = 2, dengan jumlah
sampel n = 78, maka dl = 1,448 dan du = 1,626. Nilai Durbin Watson 49
hitung terletak antara batas atas atau upper bound du dan 4-du yaitu 2,374, sehingga dapat disimpulkan bahwa model regresi linier berganda
terbebas dari asumsi klasik statistik autokorelasi.
4.1.2.3. Uji Multikolinearitas
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficient Correlations
a
Model LN_Spread
LN_PMK 1
Correlations LN_Spread
1.000 .372
LN_PMK .372
1.000 Covariances
LN_Spread .008
-.002 LN_PMK
-.002 .004
Universitas Sumatera Utara
Dari tabel dapat dilihat bahwa hasil besaran korelasi antar variabel bebas
adalah 0,372 atau sekitar 37. Karena korelasi ini masih di bawah 95 maka dapat dikatakan bahwa tidak terjadi multikolinearitas yang serius.
Menurut Ghozali 2005 : 91 untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari :
1 nilai tolerance dan lawannya, 2 Variance Inflatin Factor VIF.
Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10.
50
Tabel 4.6 Hasil Uji Multikolinearitas
a. Dependent Variable: LN_CR
Sumber : Output SPSS, diolah penulis, 2011
Coefficients
Collinearity Statistics Tolerance
VIF 1
Constant LN_PMK
.861 1.161
LN_Spread .861
1.161
Universitas Sumatera Utara
Dari hasil pengujian, dapat dilihat bahwa angka tolerance perputaran modal kerja dan perputaran return spread 0,10 yaitu 0,861
dan VIFnya 10 yaitu 1,161. Ini mengindikasikan bahwa tidak terjadi multikolinieritas diantara variabel independen dalam penelitian.
4.1.2.4. Uji Heteroskedastisitas
