42
H : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Jika sig
0 ,05 dengan α = 5 , berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data
tidak normal Ha diterima.
3.6.2.2 Uji Multikolonieritas
Menurut Ghozali 2013: 105 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Multikolonieritas dapat diukur melalui tolerance value dan variance inflation factor VIF. Tolerance value mengukur variabilitas variabel
independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai batas yang dipakai untuk menunjukkan adanya multikolonieritas adalah tolerance
value ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Jika VIF ≥ 10 dan tolerance value
≤ 0,10, maka tejadi multikolonieritas tinggi antar variabel bebas dengan variabel bebas lainnya.
3.6.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi biasa sering ditemukan pada data runtut
waktu time series akibat gangguan pada individu kelompok cenderung mempengaruhi gangguan pada individu kelompok yang sama pada periode
berikutnya Ghozali, 2013: 110 . Model regresi yang baik adalah regresi yang
43
bebas dari autokorelasi. Pendeteksian ada atau tidaknya autokorelasi menggunakan uji Durbin-Watson DW test. Uji durbin-watson hanya digunakan
untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag
diantara variabel independen. Hipotesis yang akan diuji adalah: H
: tidak ada autokorelasi r = 0 Ha : ada autokorelasi r
≠ 0 Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat melalui
tabel 3.6 berikut ini:
Tabel 3.6 Kriteria Autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif.
Tolak 0 d dl
Tidak ada autokorelasi positif.
No desicison dl
≤ d ≤ du Tidak ada autokorelasi
Negatif. Tolak
4 – dl d 4 Tidak ada autokorelasi
Negatif. No desicison
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, positif atau negatif.
Tidak ditolak du d 4 - du
Sumber: Ghozali 2013:111
3.6.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lainnya. Jika variance dari residual satu pengamat ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas
Ghozali, 2013: 139. Model regresi yang baik adalah yang homoskesdatisitas
44
atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas sebagai berikut:
1. Metode grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Kriteria untuk melihat ada
tidaknya heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana
sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, mengindikasikan terjadinya heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2. Uji statistik yaitu uji Glejser, dimana dilakukan peregresan nilai absolut residual terhadap variabel independen dengan persamaan regresi: |Ut| =
� + �Xt + vt dengan kriteria jika nilai signifikansi antara variabel independen dengan absolute residual lebih besar dari 5 0,05 maka
tidak terjadi heterokedastisitas. 3.6.3 Model Penelitian
Model penelitian dalam penelitian ini menggunakan analisis regresi linier berganda. Analisis regresi linier berganda dilakukan untuk mengetahui pengaruh
variabel bebas yakni ukuran perusahaan, maturity, financial leverage,
45
profitabilitas dan likuiditas terhadap variabel terikat yakni peringkat obligasi. Rumus dari analisis regresi linier berganda yaitu:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
Keterangan: Y = Peringkat Obligasi
a = Koefisien konstanta �
1 −5
= Koefisien regresi variabel independen X
1
= Ukuran Perusahaan X
2
= Maturity X
3
= Financial Leverage X
4
= Profitabilitas X
5
= Likuiditas e = error
3.6.4 Pengujian Goodness of Fit
