Tabel 4.4 Hasil Uji Multikolinieritas
Coefficients
Model
a
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant -3.437
.618 -
5.560 .000
LNDAR .156
.879 .051
.178 .861 .281 3.560
LNDER .781
.306 .546 2.552 .018
.510 1.961 LNTATO
.620 .794
.185 .780 .444
.415 2.409 a. Dependent Variable: LNROE
Sumber : Output SPSS, diolah Penulis, 2012.
Berdasarkan Tabel 4.4 dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas. 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 0,1. Jika dilihat dari VIFnya, bahwa masing- masing variabel bebas lebih kecil dari 10. Dengan demikian dapat disimpulkan
bahwa tidak terjadi gejala multikolinearitas dalam variabel bebasnya.
4.2.2.1.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model linear terdapat korelasi antara kesalahan pengganggu pada suatu periode t dengan
kesalahan pengganggu periode sebelumnya t-
1
dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada
data yang tersusun, baik berupa data cross sectional dan atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien 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 Durbin Watson Test DW. Dalam model regresi tidak terjadi autokorelasi apabila nilai du dw 4 – du. Tabel 4.4
menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS versi 17.0. Hasil pengujian autokorelasi adalah sebagai berikut:
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
Model
b
R R
Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.698 .487
a
.417 1.17227
1.733 a. Predictors: Constant, LNTATO, LNDER, LNDAR
b. Dependent Variable: LNROE Sumber : Output SPSS, diolah Penulis, 2011
Berdasarkan hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1,733 , nilai ini akan dibandingkan dengan nilai tabel
Durbin-Watson dengan menggunakan signifikansi 5, jumlah sampel 52 n, jumlah variabel independen 3 k=3. Maka di tabel Durbin-Watson didapat nilai
batas atas du 1,6769 dan nilai batas bawah dl 1,4339. Oleh karena itu, nilai DW 1,733 lebih besar dari batas atas 1,6769 dan lebih kecil dari 2,267 4-1,733
atau dapat dinyatakan bahwa 1,6769 1,733 2,267. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi.
4.2.2.1.4. Uji Heteroskedastisitas
Menurut Ghozali 2005:105, “uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain.” Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas dapat dilakukan dengan
Scatter-Plot test yang menggunakan SRESID dan ZPRED pada software SPSS. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya
menurut Ghozali 2005:85 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heteroskedastisitas atau tidak dengan cara mengamati penyebaran titik-titik
pada grafik.
Gambar 4.5
Scatterplot
Sumber : Output SPSS, diolah Penulis, 2012
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heterokedastisitas, sehingga model ini layak dipakai untuk memprediksi
profitabilitas perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen yaitu leverage keuangan
Debt to Total Assets, Debt to Total Equity, perputaran total aktiva Total Assets Turnover.
4.2.2.2. Analisis Regresi
