42
Gambar 4.2 Grafik Normal Plot
Sumber: Hasil Pengolahan SPSS 2012 Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis
diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
4.1.2.2 Uji Multikolinieritas
Untuk mendeteksi ada tidaknya multikolinieritas, dapat dilakukan dari hasil output SPSS dengan melihat nilai tolerance dan variance inflation factor
VIF. Nilai yang umum dipakai untuk mendeteksi adanya gejala multikolinieritas adalah jika tolerance 0,1 sedangkan VIF 10 Ghozali, 2005:
92.
Universitas Sumatera Utara
43
Tabel 4.3 Hasil Uji Multikolinieritas
Coefficientsa
Coefficients
a,b
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.032
.214 -.150
.882 LN_DAR
-.613 .310
-.368 -1.975
.059 .846
1.182 LN_DER
.072 .066
.205 1.092
.285 .835
1.198 LN_LDER
.250 .088
.568 2.847
.009 .738
1.355 a. Dependent Variable: LN_TATO
b. Weighted Least Squares Regression - Weighted by DAR
Sumber: Hasil Pengolahan SPSS 2012
Dari data pada tabel 4.3 dapat disimpulkan bahwa tidak terjadi multikolonieritas dengan dasar nilai VIF untuk setiap variabel independen tidak
ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0.1, hal ini dapat dilihat dari nilai tolerance DAR sebesar 0,846; DER sebesar 0,835; LDER
sebesar 0,738 tidak kurang dari 0,1 dan nilai VIF DAR sebesar 1,182; DER sebesar 1,198; dan LDER sebesar 1,355 tidak melebihi 10. Maka dapat dilakukan
analisis lebih lanjut dengan menggunakan model regresi berganda.
Universitas Sumatera Utara
44
4.1.2.3 Uji Heteroskedastisitas
Dalam penelitian
ini, untuk
mendeteksi ada
tidaknya gejala
heteroskedastisitas adalah melihat plot grafik yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 Jika pola tertentu, sperti titik-titik yang teratur maka telah terjadi heteroskedastisitas,
2 Jika tidak ada pola tertentu, serta titik-titik yang menyebar tidak tertentu diatas dan dibawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heterskedastisitas atau terjadi homoskedastisitas dengan mengganti penyebaran
titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber; Hasil Pengolahan SPSS 2012
Universitas Sumatera Utara
45 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Dengan
demikian, model ini layak dipakai untuk memprediksi kebijakan pendanaan pada perusahaan food and beverage yang terdaftar di bursa efek indonesia berdasarkan
masukan variabel independen DAR, DER dan LDER.
4.1.2.4. Uji Autokorelasi
Autokorelasi dapat diartikan sebagai korelasi yang terjadi di antara anggota-anggota dari serangkaian observasi yang berderetan waktu apabila
datanya time series atau korelasi antara tempat berdekatan apabila cross sectional.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b,c
Model R
R Squar
e Adjusted
R Square Std. Error
of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1 df2
Sig. F Change
1 .515
a
.265 .177
.36021 .265
3.002 3
25 .049
1.939 a. Predictors: Constant, LN_LDER, LN_DAR, LN_DER
b. Dependent Variable: LN_TATO c. Weighted Least Squares Regression - Weighted by DAR
Sumber: Hasil Pengolahan SPSS 2012
Hasil uji autokorelasi diatas menunjukkan nilai R sebesar 0,515 menunjukkan bahwa koralasi yang kecil yaitu 51,5. Nilai adjust R square
Universitas Sumatera Utara
46 sebesar 0,265 atau 26,5 mengindikasikan bahwa variasi dari kedua variabel
independen hanya mampu menjelaskan variabel dependen 51,5. Durbin –
Watson sebesar 1,939, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5 jumlah sampel 30 n dan jumlah independen
3 k=3. Oleh karena nilai DW 1,939 lebih besar dari batas du 1,650 dan kurang dari 3-1,6503-du, maka dapat disimpulkan bahwa tidak ada autokorelasi positif
atau negatif.
4.1.3 Pengujian Hipotesis Penelitian 4.1.3.1.