2. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota dalam data runtun waktu time series. Menurut Imam Ghozali 2006:95 uji Autokorelasi bertujuan
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. Menurut Saidi 2004:51 pengujian terhadap adanya fenomena
autokorelasi dalam data yang dianalisis dapat dilakukan dengan menggunakan Durbin-Watson Test, dengan kriteria sebagai berikut:
d dl : Tolak Ho
d du : Tidak menolak Ho
dl ≤ d ≤ du
: Pengujian tidak meyakinkan d 4 - dl
: Tolak Ho d 4 - du
: Tidak menolak Ho 4 - du
≤ d ≤ 4 - dl : Pengujian tidak meyakinkan Saidi 2004:51, rumus yang digunakan untuk menghitung statistik
Durbin-Watson Test adalah sebagai berikut: d =
∑µt² + ∑µt²-1 – 2 ∑µt² µt-1 ∑µt²
Keterangan: d : Statistik Durbin–Watson
∑µt : Nilai Residual pada periode t ∑µt-1 : Nilai Residual pada periode t-1
Berdasarkan hasil perhitungan menggunakan software SPSS Versi 13, maka dapat diketahui hasil sebagai berikut:
Tabel 4.4 Uji Autokorelasi
Sumber: Output SPSS Nilai Durbin Watson sebesar 1,914, nilai ini akan dibandingkan dengan
nilai tabel dengan menggunaan nilai signifikansi 5, jumlah sampel 17 n, maka di tabel Durbin Watson akan didapatkan nilai sebesar 1,641. Oleh karena nilai
Durbin Watson 1,914 lebih besar dari batas atas du 1,641 dan kurang dari 4 - 211 , maka dapat disimpulkan bahwa tidak terjadi autokorelasi.
3. Uji Heterokedastisitas
Imam Ghozali 2001:77 juga berpendapat bahwa Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Pengujian heteroskedastisitas adalah menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas. Dan jika varians
Model Summary
b
.763
a
.582 .536
1.91404 1.914
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, pertumbuhan_assets, Profit, Risiko Bisnis, Struktur_Kepemilikan, Size
a. Dependent Variable: struktur_modal
b.
berbeda, disebut Heteroskedastisitas. Modal regresi yang baik adalah tidak terjadi heteroskedastisitas.
Tabel 4.5 Hasil Uji Glejser
Sumber: output SPSS
Tingkat sinifikansi untuk uji glejser adalah 0,05 yang berarti terjadi heteroskedastisitas. Berdasarkan tabel 4.5 di atas dapat diketahui bahwa tingkat
signifikansi untuk seluruh variabel di atas 0,05 0,05 berarti bahwa seluruh variabel tidak mengalami heterokedastisitas.
4.1.3.4 Koefisien Determinasi R
Kategori