52
Tabel 4.6
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 PDK X1
.948 1.054
PKA X2 .907
1.102 AUD X3
.754 1.327
REM X4 .685
1.461 a. Dependent Variable: DA Y
Sumber: Data yang diolah Peneliti, 2012 Dari tabel 4.6 diketahui bahwa nilai Tolerance untuk PDK adalah
0,948, nilai Tolerance PKA 0,907, nilai Tolerance AUD 0,754, dan nilai Tolerance REM 0,685. Nilai VIF untuk PDK 1,054, nilai VIF untuk PKA
1,102, nilai VIF untuk AUD 1,327, dan nilai VIF untuk REM 1,461. Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas
antara variabel independen, dengan dasar nilai tolerance tidak ada yang kurang dari 0,10 dan nilai VIF tidak ada yang melebihi 10.
4.2.2.3 Uji Heterokedastisitas
Heterokedastisitas adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada model regresi. Model regresi yang baik
mensyaratkan tidak adanya masalah heterokedastisitas Priyatno, 2012. Berikut hasil pengujian heterokedastisitas yang telah dilakukan.
Universitas Sumatera Utara
53
Gambar 4.3 Grafik Scatterplot
Sumber: Data yang diolah Peneliti, 2012 Metode pengambilan keputusan pada uji heterokedastisitas adalah
dengan melihat scatterplot, yaitu jika titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, maka dapat
disimpulkan bahwa tidak terjadi masalah heterokedastisitas pada model regresi.
Dari grafik scatterplot terlihat bahwa titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, maka dapat
disimpulkan bahwa pada model regresi tidak terjadi masalah heterokedastisitas.
4.2.2.4 Uji Autokorelasi
Autokorelasi adalah keadaan dimana terjadinya korelasi dari residual untuk pengamatan satu dengan pengamatan lain yang disusun menurut runtun
waktu Priyatno, 2012. Autokorelasi muncul karena observasi yang berurutan
Universitas Sumatera Utara
54
sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time series.
Penelitian ini menggunakan uji Durbin-Watson DW Test untuk mendeteksi ada tidaknya autokorelasi, dengan pengambilan keputusan sebagai
berikut: 1. Jika dU DW 4-dU maka tidak terjadi autokorelasi.
2. Jika DW dL atau DW 4-dL maka terjadi autokorelasi. 3. Jika dL DW dU atau 4-dU DW 4-dL maka tidak ada keputusan
yang pasti. Berikut hasil pengolahan data yang diperoleh.
Tabel 4.7 Hasil Uji Durbin Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .413
a
.170 .130
.106718 2.254
a. Predictors: Constant, REM X4, PDK X1, PKA X2, AUD X3 b. Dependent Variable: DA Y
Sumber: Data yang diolah Peneliti, 2012 Hasil pengujian pada tabel 4.7 menunjukkan bahwa nilai Durbin-
Watson adalah 2,254. Nilai dL dan dU dilihat dari tabel Durbin-Watson pada signifikansi 0,05, n=90, dan k=4 n adalah jumlah data dan k adalah jumlah
variabel independen. Diperoleh dL= 1,566 dan dU= 1,751. Jadi dapat dihitung nilai 4-dU= 2,249 dan 4-dL= 2,434. Dengan demikian, dapat
diketahui bahwa nilai Durbin-Watson terletak pada daerah 4-dU DW 4-dL 2,249 2,254 2,434. Dapat disimpulkan bahwa tidak ada keputusan yang
Universitas Sumatera Utara
55
pasti untuk autokorelasi pada model regresi. Hal ini karena pola manajemen laba yang memang mempunyai keterkaitan untuk setiap periodenya.
4.2.3 Analisis Regresi