terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
b. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen. Untuk mengetahui ada tidaknya
multikolinearitas dapat dilihat dari nilai Variance Inflation Factor VIF dan nilai Tolerance, apabila nilai VIF 10 dan nilai Tolerance 0,1 maka terjadi
multikolinearitas dan apabila VIF 10 dan Tolerance 0,1 maka tidak terjadi multikolinearitas.
Hasil dari uji Multikolinearitas dapat dilihat pada tabel berikut ini :
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 LN_Tobin-q
.677 1.478
LN_DPR .999
1.001 LN_ROE
.677 1.478
a. Dependent Variable: LN_DER
Sumber : Output SPSS, diolah Peneliti, 2010 Berdasarkan tabel 4.4 diatas dapat disimpulkan bahwa penelitian ini bebas
dari adanya
multikolinieritas. Hal
tersebut dapat
dilihat dengan
membandingkannya dengan nilai Tolerance atau VIF. Dari hasil pengujian ini
dapat dilihat bahwa angka Tolerance Tobin-q LN_Tobin-q, DPR LN_DPR dan
Universitas Sumatera Utara
ROE LN_ROE 0,10 yakni masing-masing sebesar 0,677; 0,999; 0,677. Jika dilihat dari VIFnya, bahwa masing-masing variabel bebas lebih kecil dari 10 yaitu
sebesar 1,478; 1,001 dan 1,478 maka tidak ada multikolinearitas antar variabel independen tersebut.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam
autokorelasi diantaranya adalah dengan Uji Durbin Watson. Menurut Sunyoto 2009 : 91, Untuk melihat ada tidaknya autokorelasi dilihat
dari : 1. Angka D-W dibawah -2 berarti ada autokorelasi positif.
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. 3. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Hasil uji autokorelasi dapat di lihat pada tabel di bawah ini :
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.328
a
.108
.080
1.05337 1.963
a. Predictors: Constant, LN_ROE, LN_DPR, LN_Tobin-q b. Dependent Variable: LN_DER
Sumber : Output SPSS, diolah Peneliti, 2010
Berdasarkan hasil pengujian pada tabel 4.5 diatas dapat dilihat bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal tersebut dilihat
dari nilai Durbin-Watson D-W sebesar 1,963. Angka D-W berada diantara -2 dan 2, yang mengartikan bahwa angka DW lebih besar dari -2 dan lebih kecil dari
2. Jadi, dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif.
d. Uji Heterokedastisitas