Gambar 4.3 Scatterplot
Sumber : Data diolah oleh peneliti, 2013
Dari grafik scatterplot terlihat bahwa titik – titik menyebar secara acak dengan tidak ada pola tertentu yang tersebar baik diatas
maupun di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan terjadi homokedastisitas.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya.
Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan uji Durbin-
Watson. Menurut Sunyoto 2009 pengambilan keputusan ada tidaknya autokorelasi adalah:
1
Angka D-W dibawah -2 berarti ada autokorelasi positif,
2
Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
3
Angka D-W di atas +2 berarti ada autokorelasi negatif. Tabel 4.9
Hasil Uji Durbin – Watson Model Summary
b
Universitas Sumatera Utara
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
1.000
a
1.000 1.000
.01059 1.781
a. Predictors: Constant, X5, X2, X3, X1, X4 b. Dependent Variable: Y
Tabel 4.9 menunjukkan hasil autokorelasi variabel penelitian. Berdasarkan hasil pengujian diperoleh bahwa tidak terjadi
autokorelasi antar kesalahan pengganggu antar periode. Hal ini dilihat dari nilai Durbin-Watson D-W sebesar 1,781. Angka tersebut berada
diantara -2 dan +2, artinya bahwa angka DW lebih besar dari -2 dan lebih kecil dari +2 -2 1,687 +2. Jadi dapat disimpulkan bahwa
tidak ada autokorelasi positif maupun negatif. 1.
Analisis regresi
Berdasarkan hasil uji asumsi klasik yang dilakukan, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian
ini sudah memenuhi model yang Best Linear Estimator BLUE
Universitas Sumatera Utara
dan layak untuk pengajuan hipotesis dengan menggunakan analisis berganda.Adapun hasil analisis regresi sebagai berikut
Tabel 4.10 Koefisien Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant -.013
.012 -1.160
.257 X1
.698 .028
.073 24.860
.000 X2
.839 .012
.188 72.795
.000 X3
3.082 .029
.348 104.860 .000
X4 .427
.003 .413 131.164
.000 X5
1.004 .005
.278 193.499 .000
a. Dependent Variable: Y
Berdasarkan Tabel 4.10 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linier
sederhana yaitu: Y = -0.13 + 0,698
�
1
+ 0,839 �
2
+ 3,082 �
3
+ 0,427 �
4
+ 1,004 �
5
+ e Pada undstandardized coefficients,
diperoleh α, β1, β2, β3, β4, β5 sebagai berikut :
a.
Nilai B Constatnt α = -0,13
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu perbandingan working capital to
Universitas Sumatera Utara
total assets, retained earnings to total assets, Earning before interest and tax to total assets, market velue of equity to total
liability, sales to total assets, maka perubahan nilai kesehatan yang dilihat dari nilai Y tetap sebesar -0,13.
b. Nilai �
1
= 0,698 = hasil perbandingan working capital to total
assets
Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan working capital to total assets sebesar
1 satuan, maka perubahan perbandingan working capital to total assets
�
1
yang dilihat dari nilai Y akan berkurang
sebesar 0,698 dengan asumsi variabel lain dianggap tetap.
c. Nilai �
2
= 0,839
Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan retained earnings to total assets
sebesar 1 satuan, maka perubahan retained earnings to total assets
�
2
yang dilihat dari nilai Y akan berkurang 0,839
dengan asumsi variabel lain dianggap tetap.
d. Nilai �
3
= 3,082
Koefisien ini menunjukkan bahwa setiap kenaikan earnings before interest and tax to total asset sebesar 1 satuan,
maka perubahan earnings before interest and tax to total asset
Universitas Sumatera Utara
�
3
yang dilihat dari nilai Y akan berkurang 3,082 dengan
asumsi variabel lain dianggap tetap.
e. Nilai �
4
= 0,427
Koefisien ini menunjukkan bahwa setiap kenaikan perbandingan book value of equity to total liability sebesar 1
satuan, maka perubahan book value of equity to total liability �
4
yang dilihat dari nilai Y akan berkurang sebesar 0,427
dengan asumsi variabel lain yang dianggap tetap.
f. Nilai �
5
= 1,004
Koefisien regresi ini menunjukkan bahwa setiap kenaikan perbandingan sales terhadap total assets sebesar 1
satuan, maka perubahan perbandingan sales terhadap total assets
�
5
yang dilihat dari nilai Y akan berkurang sebesar
1,004 dengan asumsi variabel lain dianggap tetap.
4.5 Pengujian Hipotesis