Sumber : Output SPSS, diolah peneliti, 2013 Dari tabel coefficient terlihat bahwa nilai VIF yaitu dominan jumlahnya berada di
atas 10 sehingga masih dapat dianggap terjadi multikolinearitas atau tepatnya hanya strong collinearity.
4.2.3. Uji Heteroskesdastisitas
Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi kesamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual
homokesdastisitas dan jika berbeda disebut heteroskesdastisitas. Uji heteroskesdastisitas dapat dilakukan dengan uji glejser,
disamping itu untuk mendeteksi ada tidaknya heteroskesdastisitas menurut Ghozali 2005:105 dapat dilihat dari grafik scatterplot
antara lain prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang
ada membentuk pola tertentu yang teratur, namun telah terjadi heteroskesdastisitas, sebaliknya jika tidak ada pola yang jelas, serta
titik-titik menyebar maka tidak terjadi heteroskesdastisitas. Dari hasil perhitungannya SPSS versi 16.0 maka hasil yang didapat
sebagai berikut : a. Dependent Variable: ROI
Universitas Sumatera Utara
Uji Hetoroskesdastisitas Grafik 4.2
Sumber : Output SPSS, diolah peneliti, 2013 Dilihat dari hasil scatterplot antara standardized residual SRESID
dari Standardized Predicted Value ZPRED tidak membentuk suatu pola tertentu, sehingga bisa dianggap residual mempunyai variance
konstan atau homokesdastisitas tidak terjadi heteroskesdastisitas.
Universitas Sumatera Utara
4.2.4. Uji Autokorelasi
Menurut Ghozali 2005:95 “ uji autokorelasi bertujuan menguji
apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 sebelumnya. “penggunaan progres
SPSS bertujuan untuk mendeteksi adanya problem autokorelasi adalah dengan melihat besaran Durbin Watson, yaitu panduan
mengenai D-W Durbin Watson pada tabel D-X.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
• Angka D-W dibawah -2 berarti ada autokorelasi positif • Angka D-W diantara -2 sampai +2 berarti tidak ada
autokorelasi. • Angka D-W diatas +2 berarti ada autokorelasi negative.
Uji Autokorelasi Tabel 4.8
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .267
a
.071 -.036
3.90779 2.311
a. Predictors: Constant, LR, CR, QR b. Dependent Variable: ROI
Sumber : Output SPSS, diolah peneliti, 2013
Universitas Sumatera Utara
Dilihat dari hasil Durbin-Watson di atas yaitu sebesar 2.311 yang berarti tidak terjadi autokorelasi dimana angka DW yang dihasilkan terletak di atas +2 yang
artinya terjadi autokorelasi negatif
4.2.5. Uji Hipotesis
