Sumber: Hasil Penelitian, 2009 Data diolah Gambar 4.2
Gafik histogram menunjukkan grafik yang tidak menceng ke kiri atau ke kanan. Hal ini mengindikasikan
bahwa data bersifat normal.
4.1.2.2 Pengujian Multikolinearitas
Pengujian multikolinearitas pada penelitian ini dilakukan dengan melihat nilai collinearity statistics dan
nilai koefisien di antara variabel bebas.
Universitas Sumatera Utara
Ada dua uji multikolinearitas yang sering digunakan yaitu dengan melihat nilai VIF dan korelasi diantara
variabel independen. Semakin tinggi nilai VIF suatu variabel tertentu, maka akan semakin tinggi varian
koefisien estimasi pada variabel tersebut dengan asumsi varian error term adalah konstan. Dengan demikian,
semakin tinggi VIF, maka semakin berat dampak dari multikolinearitas.Jika VIF 5, maka variabel memiliki
masalah multikolinearitas. VIF 5 artinya tidak terdapat multikolinearitas; Tolerance 0,01 artinya mempunyai
persoalan multikolinearitas, Tolerance 0,01 artinya tidak terdapat multikolinearitas. Situmorang, et. al, 2007. Hasil
pengujian multikolinearitas terlihat dalam Tabel 4.3 berikut ini:
Tabel 4.3 Uji Multikolinearlitas
B .
Dependent Variabel : Strukrut Modal Sumber : Hasil Penelitian 2013, data diolah
Model Collinearity Statistics
Tolerance VIF
1 Constant
Resiko Bisnis ,127
7,880 Time Interest
Earned ,099
10,135 Tingkat Bunga
,295 3,390
Universitas Sumatera Utara
Berdasarkan Tabel 4.3 dapat dilihat bahwa variabel risiko bisnis memiliki VIF 5, time interest earned
memiliki VIF 5 dan tingkat bunga memiliki VIF 5. Hal ini menunjukkan bahwa terdapat masalah multikolinearitas
pada model regresi. Nilai Tolerance menunjukkan tidak adanya masalah multikolinearitas karena nilainya diatas
0,01. Keadaan ini mengindikasikan bahwa dari data yang digunakan untuk pengujian hipotesis, VIF memiliki
masalah multikolinearitas dan Tolerance tidak terdapat masalah multikolinearitas di antara variabel independen
pada penelitian ini.
4.1.2.3 Pengujian Heterokedasitas
Pendeteksian masalah heteroskedastisitas dalam model regresi dilakukan dengan menggunakan uji statistik berupa
Uji Glejser.Uji ini dilakukan dengan mengabsolutkan nilai residual dari model kemudian nilai absolut tersebut
dimasukkan sebagai variabel terikat dalam persamaan regresi yang baru.Jika nilai signifikan yang diperoleh dari
model regresi yang baru lebih besar dari alpha 5, maka dapat dikatakan tidak terjadi heteroskedastisitas dalam
model penelitian. Hasil Uji Glejser dapat dilihat pada Tabel 4.4 berikut ini :
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Glejser
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
,174 ,033
5,297 ,000
Resiko Bisnis 1,530
1,535 ,367
,997 ,324
Time Interest Earned -,111
,054 -,860
-2,057 ,045
Tingkat Bunga -,990
,544 -,440
-1,820 ,075
b.Dependent Variabel : Strukrut Modal
Sumber : Hasil Penelitian, 2013 data diolah
Berdasarkan Tabel 4.4 dapat dilihat bahwa angka signifikan dari variabelrisiko bisnis dan time interest earned
lebih besar dari 0,05 sehingga dapat dikatakan tidak terjadi heteroskedastisitas atau ketidaksamaan varians dari residual
satu pengamatan ke pengamatan yang lain. Sedangkan pada variabel tingkat bunga angka signifikan menunjukkan lebih
kecil dari 0,05 sehingga dapat dikatakan terjadi heteroskedastisitas atau ketidaksamaam varians dari
residual satu pengamatan ke pengamatan yang lain.
4.1.2.4 Pengujian Autokorelasi
