4.2.2 Uji Multikolinieritas
Dalam melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari:
1. Nilai tolerance dan lawannya. 2. Variance Inflation Factor VIF
Kedua ukuran ini menunjukkan setiap varibel independen manakah yang dijelaskan oleh variabel independen lainnya. Suatu model regresi menunjukkan
adanya multikolinieritas apabila nilai ��������� 0,10 dan VIF ≥ 10 . Pada
penelitian ini, hasil uji multikolinieritas ditunjukkan pada tabel 4.4:
Tabel 4.4 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1.834 .197
ln_TATO .073
.134 .055
.688 1.453
ln_DER -.015
.120 -.013
.688 1.453
a. Dependent Variable: ln_AUDEL
Sumber: Hasil Olahan Software SPSS 21
Pada tabel 4.4 nilai tolerance dari TATO dan DER sebesar 0,688 dan nilai ini dikatakan tidak signifikan karena berada pada nilai tolerance-nya lebih besar 0,1.
Oleh karena itu, dapat dikatakan bahwa TATO dan DER tidak mengalamai multikolinieritas atau tidak terdapat korelasi di antara kedua variabel independen
dan keputusan ini juga didukung dari nilai Variance Inflation Factor di mana nilai VIF = 1.453 10. Dengan kata lain, tidak terjadi korelasi antara variabel bebas
yang begitu signifikan secara statistik pada tingkat signifikansi 5.
4.2.3 Uji Autokorelasi
Untuk mendeteksi ada atau tidaknya autokorelasi didalam model regresi
antara lain dapat dilakukan dengan Uji Durbin - Watson DW Test.
Berikut adalah hasil uji autokorelasi yang disajikan dalam bentuk tabel:
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .049
a
.002 -.012
1.13290 1.968
a. Predictors: Constant, ln_DER, ln_TATO b. Dependent Variable: ln_AUDEL
Sumber: Hasil Olahan Software SPSS 21
Riyanto 2012:59 menyatakan jika nilai statistik Durbin-Watson -2 sd +2, maka asumsi independensi terhadap residual non-autokorelasi terpenuhi. Sebaliknya,
bila nilai statistik Durbin-Watson -2 atau 2, berarti asumsi independensi terhadap residual non-autokorelasi tidak terpenuhi. Sehingga, dari hasil uji
autokorelasi Durbin-Watson yang menunjukkan nilai sebesar 1,968 dapat dikatakan model regresi memenuhi asumsi non-autokorelasi.
4.2.4 Uji Heteroskedastisitas