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 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1
Constant LN_Perputaran Modal
Kerja .993
1.007 LN_Rasio Hutang
.993 1.007
a. Dependent Variable: LN_Rentabilitas Sumber : Output SPSS, diolah Penulis, 2010
Berdasarkan tabel 4.4 dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinieritas. Hal tersebut dapat dilihat dengan membandingkannya
dengan nilai Tolerence atau VIF. Masing-masing variabel independen 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
Universitas Sumatera Utara
lebih kecil dari 10 yaitu sebesar 1,007. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam variabel bebasnya.
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. 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-Wdi atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson 1
.368
a
.135 .107
1.24383 1.565
a. Predictors: Constant, LN_Rasio Hutang, LN_Perputaran Modal Kerja b. Dependent Variable: LN_Rentabilitas
Sumber : Output SPSS, diolah Penulis, 2010
Tabel 4.5 menunjukkan hasil uji autokorelasi variabel penelitian. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi autokorelasi antar kesalahan
Universitas Sumatera Utara
pengganggu antar periode. Hal tersebut dilihat dari nilai Durbin-Watson D-W sebesar 1,565. 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 Heteroskedastisitas