tinggi yaitu sebesar -0,829 atau sekitar 82,9. Namun hal ini tidak menunjukkan gejala korelasi yang tinggi umumnya di atas 0,95, maka hal ini merupakan
indikasi tidak adanya multikoliniearitas. Hasil Perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu
0,313; 1; dan 0,313 yang berarti tidak terjadi korelasi antar variabel. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen
memiliki nilai VIF kurang dari 10 yaitu 3,192; 1; dan 3,192. Berdasarkan tabel di atas dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel
independen pada model ini.
IV.2.2.3 Uji Heterokedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah
terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5
Universitas Sumatera Utara
Dari grafik scatterplot terlihat bahwa titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit , maka
mengindikasikan telah terjadi heterokedatisitas. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan
salah satu dari beberapa cara yang telah dikemukakan pada bab sebelumnya, yaitu dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi
logaritma natural LN. Sehingga data total aktiva, perputaran modal kerja dan arus kas operasi menjadi LN total aktiva LNX
1
, LN perputaran modal kerja LNX
2
dan LN arus kas operasi LNX
3
. Kemudian data diuji ulang berdasarkan asumsi normalitas.
Gambar 4.6
Dari gambar 4.6 scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan
Universitas Sumatera Utara
tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi variabel dependen likuiditas berdasarkan masukan
variabel independen, total aktiva, perputaran modal kerja dan arus kas operasi.
IV.2.2.4 Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini :
Tabel 4.3 Uji Autokorelasi
Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .612
a
.375 .365
.22630 2.077
a. Predictors: Constant, LN_X3, LN_X2, LN_X1 b. Dependent Variable: LN_Y
Berdasarkan tabel 4.3 di atas, diketahui bahwa nilai dw sebesar 2,077. Angka ini terletak diantara -2 sampai +2, dengan demikian dapat disimpulkan bahwa
tidak terdapat autokorelasi positif maupun autokorelasi negatif pada model regresi penelitian ini.
IV.2.3 Analisis Regresi
