47
Sumber : Output SPSS
Gambar 4.3 Hasil Uji Heterokedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga layak dipakai untuk memprediksi rentabilitas ekonomis pada perusahaan
manufaktur dengan variabel independen inventory turnover, current ratio, total asset turnover.
4.3.4 Uji Autokorelasi
Istilah autokorelasi dapat didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deret
waktu atau ruang seperti dalam data cross-section. Dalam konteks regresi, model regresi linear klasik mengasumsikan bahwa autokorelasi seperti itu tidak
terdapat dalam disturbansi atau gangguan Ui. Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu
periode dengan model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional
atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefesien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik
adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah
dengan melakukan pengujian Durbin Watson DW. Pengambilan keputusan ada
Universitas Sumatera Utara
48
tidaknya autokorelasi menurut Ghozali 2005:96 dapat dilihat dalam tabel dibawah ini :
Tabel 4.9 Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi
positif Tolak
0 d dl
Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du
Tidak ada korelasi negative
Tolak 4 – dl d 4
Tidak ada korelasi negative
No decision 4 – du
≤ d ≤ 4 – dl
Tidak ada korelasi positif atau negatif
Tidak ditolak du d 4 – du
Berikut ini hasil uji Durbin Watson dengan menggunakan program SPSS versi 18 :
Tabel 4.10 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .389
a
.151 .053
1.47363 1.843
a. Predictors: Constant, TATO, IT, CR b. Dependent Variable: ROE
Sumber : Output SPSS Hasil uji autokorelasi diatas menunjukkan nilai Statistik Durbin Watson Dw
sebesar 1.843, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah sampel n = 30, dan jumlah variabel
Universitas Sumatera Utara
49
independen k = 3, maka berdasarkan model tabel Durbin Watson didapat nilai batas atas du sebesar 1.65 dan nilai batas bawah dl sebesar 1.214. Oleh karena
itu, nilai Dw lebih besar dari 1.65 dan lebih kecil dari 4-1.65 du d 4 – du. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif
maupun negatif.
4.4 Analisis Regresi Berganda