65 d.
Nilai VIF untuk variabel
X
4
Net Profit Margin adalah 2.977 10 dengan nilai
Tolerance adalah 0.125 0.10 maka variabel
X
4
atau
Net Profit Margin
d
apat dinyatakan tidak terjadi gejala multikolinearitas.
e. Nilai VIF untuk variabel
X
5
Gross Profit Margin adalah 3.044 10 dengan
nilai Tolerance adalah 0.124 0.10 maka variabel
X
4
Net Profit Margin
, X
5
atau
Gross Profit Margin dapat dinyatakan tidak terjadi gejala multikolinearitas.
4.2.1.3 Uji Autokorelasi
Uji yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian ini adalah dengan menggunakan uji Durbin-Watson. Uji Durbin-
Watson hanya digunakan untuk autokorelasi tingkat satu first autocorection dan mensyaratkan adanya intercept konstanta dalam model regersi dan tidak ada
variabel lagi diantara variabel dependen. Kriteria untuk penilaian bebas autokorelasi adalah du d 4 – du. Nilai d adalah nilai Durbin-Watson DW.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1
.167 .028
.042 11.54727
2.086 a. Predictors: Constant, X5, X1, X2, X3, X4
b. Dependent Variable: Y
Dari hasil output di tersebut diperoleh nilai DW yang dihasilkan dari model
regresi adalah 2.086. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data n = 75, serta k = 5 k adalah jumlah variabel independen diperoleh
Universitas Sumatera Utara
66 nilai dL sebesar 1.4866 dan dU sebesar 1.7698. Karena nilai DW 2.086 berada
pada daerah antara 1.7698 dan 4 - 1.7698= 2,2302 , maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
4.2.1.4 Uji Heterokedastisitas
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau heteroskedastisitas dapat
diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Ada
tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual Y prediksi
- Y sesungguhnya. Berikut ini dilampirkan grafik scatterplot untuk menganalis apakah terjadi
heterokedastisitas.
Gambar 4.3 Hasil Uji Scatterplot
Dari output tersebut dapat diketahui bahwa titik-titik menyebar secara acak dan tidak membentuk pola yang jelas, dan titik-titik menyebar di atas dan di
Universitas Sumatera Utara
67 bawah angka 0 pada sumbu Y. Jadi dapat disimpulkan bahwa tidak terjadi
masalah heteroskedastisitas dalam model regresi.
4.2.2 Model Regresi Berganda
