80
Tabel 4.2 Hasil Uji Multikolinearitas
No Variabel
Colinearity Statistic Tolerance
VIF 1
SG X1 0.952
1.051 2
ROA X2 0.944
1.059 3
CAR X3 0.894
1.118 4
NPF X4 0.891
1.122 Sumber: Olah data hasil output SPSS
Hasil uji multikolinearitas pada tabel 4.2 menunjukkan bahwa jika menggunakan alphatolerance = 10 atau 0,10, maka VIF = 10. Dari
output niali VIF hitung VIF SG = 1.051, VIF ROA = 1.059, VIF CAR = 1.118 dan VIF NPF = 1.122 VIF = 10 dan semua tolerance
variabel bebas SG = 95,2, ROA = 94,4, CAR = 89,4 dan NPF = 89,1
10 dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinearitas.
c. Uji Heteroskedastisias
Analisis uji asumsi heteroskedastisitas hasil output SPSS melalu grafik scatterplot antara Z prediction ZPRED yang
merupakan variabel bebas sumbu X = Y hasil prediksi dan nilai residualnya SRESID merupakan variabel terikat sumbu Y = Y
predikse – Y riil. Homoskedastisitas terjadi jika pada scatterplot
titik-titik hasil pengolahan data antar ZPRED dan SRESID
81
menyebar di bawah maupun di atas titik orgin angka 0 pada sumbu
Y dan
tidak mempunyai
pola yang
teratur. Heteroskedastisitas terjadi jika pada scatterplot titik-titiknya
mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang.
67
Gambar 4.2 Hasil Uji Heteroskedastisitas
Scatterplot Dependent Variabel: ABS_RES2
Sumber: data sekunder yang diolah. Analisis hasil output SPSS gambar scatterplot di atas
didapatkan titik-titik menyebar di bawah dan di atas sumbu Y, dan tidak mempunyai pola yang teratur, jadi kesimpulannya variabel
67
Danang Sunyoto, “Uji Khi Kuadrat Regresi untuk penelitian”, Yogyakarta: Graha Ilmu, 2010 Ed I; Cet.I,, h.101.
82
bebas di atas tidak terjadi heteroskedastisitas atau bersifat homoskedastisitas.
d. Uji Autokorelasi
Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan
tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara inier
antara kesalahan penggangu periode t berada dengan kesalahan penggangu periode t-1 sebelumnya. Selain kriteria pengambilan
keputusan yang telah dijelaskan pada bab sebelumnya dengan menggunakan nilai dl dan du pada tabel durbin Watson terhadap
uji autokerelasi, terdapat pula ukuran lain dalam menentukan ada tidaknya masalah autokerelasi dengan uji Durbin Watson DW
dengan ketentuan berikut:
68
1 Terjadi autokorelasi positif, jika nilai DW di bawah -2. 2 Tidak terjadi autokoreasi, jika nilai DW berada diantara -2
dan +2 atau 2 DW + 2
3 Terjadi autokorelasi negative jika nilai DW di atas + 2 atau DW + 2
Berikut ini adalah hasil uji multikolinearitas yang disajikan pada tabel 4.4:
68
Danang Sunyoto, “Uji Khi Kuadrat Regresi untuk penlitian”, Yogyakarta: Graha Ilmu, 2010 Ed I; Cet.I,, h.110.
