Uji Multikolinieritas Uji Asumsi Klasik .1 Uji Normalitas Data

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.