Uji Normalitas Uji Asumsi Klasik
Tabel 4.2 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1Constant 8946.369
2414.746 3.705
.003 DewanKomisaris
187.827 151.635
.425 1.239
.241 .357
2.805 DewanDireksi
-290.283 133.528
-.772 -2.174 .043
.332 3.009
LnKomite-Komite -1678.391
525.367 -.804 -3.195
.009 .661
1.513 LnDPS
40.371 26.915
.415 1.500
.162 .548
1.824 a. Dependent Variable: NPM
Berdasarkan pada output hasil analisis menggunakan Variance Inflation Factor VIF menunjukkan bahwa nilai koefisien VIF untuk semua
variabel independen 10. Dengan demikian dapat dinyatakan bahwa tidak terdapat hubungan antara variabel-variabel independen sehingga dapat
dikatakan model ini tidak terjadi multikolinearitas. 3. Uji Heterokedastisistas
Uji heterokedastisistas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual atau pengamatan ke pengamatan lain tetap,
maka disebut
homokedastisitas dan
jika berbeda
disebut
heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Salah satu cara menghitung uji heteroskedastisitas yang mudah dan dapat diaplikasikan di SPSS adalah Uji Glejser. Uji Glejser secara umum
dinotasikan sebagai berikut: | e | = b1 + b
2
X
2+v
Di mana: | e | = Nilai Absolut dari residual yang dihasilkan dari regresi model
X
2
= Variabel Penjelas Tabel 4.3
Hasil Uji Heterokedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2111.066
927.756 2.275
.044 DewanKomisaris
82.653 72.557
.481 1.139
.279 DewanDireksi
-75.547 75.908
-.517 -.995
.341 LnKomite-Komite
-486.086 216.582
-.599 -2.244
.046 LnDPS
501.683 325.856
.541 1.540
.152 a. Dependent Variable: Ares
Apabila t
hitung
t
tabel
maka tidak terjadi heteroskedastisitas diantara data pengamatan dengan nilai residual absolutnya. Berdasarkan pada hasil
output analisis menunjukkan t hitung hubungan antara variabel bebas dengan residual absolutnya jauh lebih kecil dari koefisien t
tabel
1,139; -0,995; - 2,244; 1,540 1,795. Dengan demikian, dapat disimpulkan bahwa data yang
diperoleh tidak terdapat adanya heteroskedastisitas. 4. Uji Autokorelasi
Autokorelasi merupakan korelasi yang terjadi antar observasi dalam satu variabel. Autokorelasi dapat terjadi jika observasi yang berturut-turut
sepanjang waktu memiliki korelasi antara satu dengan yang lain. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi. Dalam
penelitian ini uji autokorelasi dilakukan dengan menggunakan statistik Durbin Watson. Dasar pengambilan keputusannya adalah sebagai berikut
6
:
a
Angka DW di bawah -2 berarti ada autokorelasi positif.
b
Angka DW di antara -2 sampai +2, berarti tidak ada autokorelasi.
c
Angka DW di atas +2 berarti ada autokorelasi negatif. Berdasarkan tabel hasil uji autokorelasi dibawah ini diketahui bahwa
nilai Durbin Waston adalah sebesar 0,786 berada diantara -2 sampai +2, sehingga dapat disimpulkan bahwa model regrersi dalam penelitian ini
terbebas dari adanya autokorelasi.
6
Singgih Sasonto, Aplikasi SPSS pada Statistik Parametrik Jakarta: Elex Media Komputindo, 2012, h. 243.
Tabel 4.4 Hail Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .734
a
.539 .372
2,266.95857 .786
a. Predictors: Constant, LnKomite-Komite, DewanDireksi, LnDPS, DewanKomisaris b. Dependent Variable: NPM