b. Uji Multikolinieritas
Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari:
1. nilai tolerence dan lawannya, 2. Variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerence mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan
nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence
0,10 atau sama dengan VIF 10 Ghozali, 2005:91.
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
Model Unstandarized
Coefficients Standarized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant Perputaran Modal Kerja
Perputaran Aktiva Operasi .034
.004 6.158
1.811 .007
1.644 0.073
.467 .019
.585 3.747
.985 .561
.000 .993
.993 1.007
1.007
a. Dependent Variable : RENTABILITAS Sumber : Output SPSS, diolah Penulis, 2008
Berdasarkan tabel 4.5 dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinieritas. Hal ini bisa dilihat dengan membandingkannya dengan
nilai Tolerence dan VIF. Masing-masing variabel bebas yang digunakan dalam penelitian ini memiliki nilai Tolerence yang lebih besar dari 0,10 yaitu 0,993.
Jika dilihat dari VIFnya, bahwa masing-masing variabel bebas lebih kecil dari 10 yaitu sebesar 1,007. Dengan demikian dapat disimpulkan bahwa tidak terjadi
gejala multikolinieritas dalam variabel bebasnya.
Universitas Sumatera Utara
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. Masalah autokorelasi umumnya terjadi pada regresi yang datanya
time series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson pada buku
stastistik relevan. Namun secara umum dapat diambil patokan sebagai berikut: • Angka D-W dibawah –2 berarti ada autokorelasi positif
• Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi • Angka D-Wdi atas +2 berarti ada autokorelasi negatif.
Santoso, 2002:219
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
.478
a
.229 .198
5.27559 .996
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, PERPUTARAN AKTIVA OPERASI, MODAL KERJA a.
Dependent Variable: RENTABILITAS b.
Sumber : Output SPSS, diolah Penulis, 2008 Tabel 4.6 menunjukkan hasil autokorelasi variabel penelitian. Berdasarkan
hasil pengujiannya dapat bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal ini dilihat dari nilai Durbin-Watson D-W
sebesar 0,996. Angka tersebut berada diantara -2 dan 2, artinya bahwa angka DW lebih besar dari -2 dan lebih kecil dari 2 -2 0,996 2. Jadi dapat disimpulkan
bahwa tidak ada autokorelasi positif maupun negatif.
Universitas Sumatera Utara
d. Uji Heteroskedastisitas