Uji Heteroskedastisitas Uji Autokorelasi

75 Dari hasil tersebut dapat disimpulkan bahwa dalam model penelitian ini tidak terjadi masalah multikolonieritas.

c. Uji Heteroskedastisitas

Tabel 4.6 di bawah merupakan hasil Uji Heteroskedastisitas dengan menggunakan Uji Glejser. Uji glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen Gujarati,2003. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas probabilitas signifikansi tingkat kepercayaan 5 Ghozali, 2011. Tabel 4.6 Hasil Uji Heteroskedastisitas Uji Glejser Variabel Sig. Keterangan ACHANGE 0,141 Tidak terjadi heteroskedastisitas OCF 0,385 Tidak terjadi heteroskedastisitas LOSS 0,543 Tidak terjadi heteroskedastisitas ROA 0,884 Tidak terjadi heteroskedastisitas OSHIP 0,763 Tidak terjadi heteroskedastisitas RECEIV 0,637 Tidak terjadi heteroskedastisitas AUDREP 0,055 Tidak terjadi heteroskedastisitas Sumber: Data sekunder diolah Dari hasil uji glejser tersebut semua variabel independen menunjukan angka signifikansi di atas 0,05 yang berarti bahwa dalam persamaan regresi tersebut tidak terjadi heteroskedastisitas. 76

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Ghozali, 2011. Pada penelitian ini menggunakan Uji Lagrange Multiplier LM test dikarenakan uji ini lebih tepat digunakan dibanding uji Durbin – Watson terutama bila sampel yang digunakan relatif besar lebih dari 100 Ghozali, 2011. Berikut merupakan hasil uji autokorelasi dengan menggunakan LM test: Tabel 4.7 Hasil Uji Autokorelasi Uji Lagrange Multiplier LM Test Variabel Sig. Keterangan ACHANGE 0,815 Tampilan output menunjukan koefisien parameter untuk residual lag 2 RES_2 memberikan probabilitas signifikan 0,209 hal ini menunjukkan indikasi tidak adanya masalah autokorelasi dalam model regresi linier yang digunakan. OCF 0,946 LOSS 0,830 ROA 0,902 OSHIP 0,907 RECEIV 0,961 AUDREP 0,923 RES_2 0,209 Sumber: Data sekunder diolah 77

2. Hasil Pengujian Hipotesis