Tabel 4.8 Uji Multikolinearitas Setelah Transformasi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
2.332 .231
sqrtEC .086
.015 .361
.998 1.002 sqrtDACC
1.507 .357
.269 .998 1.002
a. Dependent Variable: sqrtRISK 2 Constant
2.090 .245
sqrtEC .048
.015 .187
.327 3.061 sqrtDACC
.803 .209
.134 .966 1.035
sqrtSIZE .000
.001 -.022
.352 2.841 sqrtDEBT
-1.256 .081
-.590 .825 1.213
sqrtROA 2.025
.221 .355
.789 1.268 a. Dependent Variable: sqrtRISK
Sumber : Data Sekunder yang Diolah, 2012
Berdasarkan tabel 4.8 diatas, hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen yang memiliki nilai
tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen. Selain itu hasil perhitungan nilai Variance
Inflation Factors VIF juga menunjukkan tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat
disimpulkan bahwa tidak terjadi multikolinearitas antar variabel independen dalam model penelitian ini.
4.3.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain, Ghozali 2006. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, disebut
Universitas Sumatera Utara
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Pengujian yang dilakukan untuk mendeteksi gejala heteroskedastisitas dalam penelitian ini adalah menggunakan uji
Glejser. Uji Glejser dilakukan dengan meregresi nilai absolut residual persamaan regresi terhadap variabel independen. Jika variabel
independen secara signifikan mempengaruhi nilai absolut residual dengan tingkat kepercayaan dibawah 5, berarti ada indikasi
terjadinya heteroskedastisitas. Hasil uji Glejser model regresi berganda dapat dilihat pada Tabel 4.9 dibawah ini.
Tabel 4.9 Uji Heteroskedastisitas Setelah Transformasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.362 .156
2.316 .022
sqrtEC .019
.010 .134
1.884 .061
sqrtDACC -.194
.242 -.057
-.802 .424
a. Dependent Variable: AbsResid 2
Constant -.031
.152 -.203
.840 sqrtEC
-.006 .010
-.083 -.668
.505 sqrtDACC
.149 .130
.083 1.147
.253 sqrtSIZE
.001 .001
.183 1.529
.128 sqrtDEBT
.086 .050
.135 1.719
.087 sqrtROA
.053 .137
.031 .388
.698 a. Dependent Variable: AbsResid
Sumber : Data Sekunder yang Diolah, 2012
Dari tabel 4.9 dapat dilihat bahwa tidak terdapat variabel independen
yang signifikan terhadap nilai absolut residual baik pada model pertama maupun pada model kedua. Dengan demikian dapat dikatakan
bahwa tidak ada indikasi terjadinya heteroskedastisitas.
Universitas Sumatera Utara
4.3.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode sebelumnya t-1. Untuk mendeteksi ada tidaknya autokorelasi, digunakan uji Durbin-Watson
DW Test. Hasil uji Durbin Watson terlihat pada tabel 4.10 dibawah ini.
Tabel 4.10 Uji Durbin Watson Setelah Transformasi
N K
DW Du
Dl 4 - Du
Model 1 197
2 2.098
1.7873 1.7463
2.2127 Model 2
196 5
2.141 1.8187
1.7142 2.1813
Sumber : Data Sekunder yang Diolah, 2012
Indikasi autokorelasi dapat diketahui dengan membandingkan nilai DW dengan nilai tabel. Uji Durbin Watson dalam penelitian ini
menggunakan nilai signifikansi 5, jumlah observasi n=197 untuk model 1 dan n =196 untuk model 2 dan jumlah variabel independen
k=2 untuk model 1 dan k=5 untuk model 2 sehingga dapat dilihat pada tabel Durbin Watson DW, dl 1.7873 ; du 1.7463 model 1 dan
dl 1.7142 ; du 1.8187 model 2. Hasil dari output SPSS nilai DW menunjukkan bahwa DuDW4–Du yaitu 1.78732.0982.2127
model 1 dan 1.81872.1412.1813 model 2, sehingga dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif.
Universitas Sumatera Utara
4.4. Pengujian Hipotesis dan Pembahasan