77
Tabel 4.5 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Kesimpulan
Tolerance VIF
Constant X1 Ast.Informasi
.909 1.101
Tidak terjadi multikolonieritas X2 Leverage
.728 1.374
Tidak terjadi multikolonieritas X3 Komp.Bonus
.830 1.205
Tidak terjadi multikolonieritas X4 By.Politik
.717 1.394
Tidak terjadi multikolonieritas X5 CFO
.838 1.194
Tidak terjadi multikolonieritas Sumber: Data sekunder diolah
Dalam tabel 4.4 menunjukan hasil uji multikolonieritas dengan nilai VIF berkisar antara 1.101 sampai 1.394. Sedangkan
nilai tolerance berkisar antara 0.717 sampai 0.909. Maka dari hasil tersebut dapat disimpulkan bahwa model penelitian ini tidak terjadi
multikolonieritas
.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika ada korelasi, maka dinamakan ada problem
autokorelasi. Dari hasil pengujian autokorelasi menggunakan Durbin Watson statistik, maka didapatkan hasil seperti yang tertera
dalam tabel 4.5 berikut:
78
Tabel 4.6 Hasil Uji Autokorelasi Durbin-Watson
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .564
a
.318 .284
.07866214 1.475
a. Predictors: Constant, X5, X3, X1, X2, X4 b. Dependent Variable: Y
Sumber: Data sekunder diolah Setelah dilakukan analisis data, diperoleh nilai Durbin
Watson sebesar 1.475. Tabel 4.6 menunjukkan bahwa nilai uji Durbin Watson pada penelitian ini berada di antara 0 dan dl
1.571 atau dapat dikatakan 0 d dl. Maka dapat disimpulkan bahwa terdapat autokorelasi positif.
Dikarenakan terjadi masalah autokorelasi positif maka autokorelasi tersebut harus diobati. Autokorelasi dapat diobati
dengan menggunakan first difference Ghazali,2011: 122. Untuk mengobati autokorelasi kita membutuhkan nilai rho
ρ, dan dalam
kasus nilai
ρ tidak diketahui maka dapat diestimasi dengan
berbagai cara. Pada kasus autokorelasi di penelitian ini nilai
ρ
diestimasi berdasarkan nilai Durbin-Watson d statistik dimana nilai
ρ dihitung menggunakan rumus Theil-Nagar sebagai berikut:
� = �
− � + � � − �
79 Dimana :
n = jumlah sampel atau observasi d = nilai statistik Durbin-Watson
k = jumlah variabel bebas
� = − .
+ −
= .
Dengan menggunakan rumus Theil-Nagar di atas didapat nilai
ρ sebesar 0.265. Setelah nilai ρ didapat, langkah selanjutnya
adalah mentransformasi persamaan regresi menjadi seperti di bawah ini:
Y = Y- ρ Yt-1
X1 = X1- ρ X1t-1
Lakukan seterusnya sampai mendapatkan variabel baru X5. Setelah mendapatkan variabel baru, kemudian lakukan
regresi dengan persamaan sebagai berikut:
Y= β1 + X1 + X2 + X3 + X4 + X5 + εt
2. Statistik Deskriptif Setelah Transformasi Data