4.4 Analisis dan Pengujian Hipotesis
4.4.1 Pengujian Asumsi Klasik
Asumsi-asumsi klasik yang harus dipenuhi adalah :
1. Tidak Boleh Ada Autokorelasi
Untuk mengetahui ada tidaknya autokorelasi maka perlu dilihat tabel Waston dengan jumlah bebas k dan jumlah data n sehingga diketahui d
1
dan d
u
maka dapat diperoleh distribusi daerah keputusan asa tidaknya atokorelasi.
Tabel 9 : Hasil Uji Durbin Watson
Model Summary
b
.483
a
.234 .119
.446011 2.306
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, FIN.LEVERAGE, UKUR.PERUSH, PROFITABILITAS
a. Dependent Variable: PERAT.LABA
b.
Sumber : hasil olah data lampiran 4
K = 3 n = 24
d
L
= 1,10 d
U
= 1,66 d =2,306
Lampiran 8
Gambar : Distribusi Daerah Keputusan Autokorelasi
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4
ada a
ut o
kore la
si pos
it if
daerah keragu
raguan
ada a
ut o
kore la
si ne
ga ti
f daerah
keragu raguan
1,10 1,66
2,306 2,340 2,900
Karena nilai d yang dihasilkan berada diantara 2,340 dengan 2,900 atau berada diantara d
u
dengan 4-d
1
, maka dapat disimpulkan bahwa data penelitian ini berada pada daerah keragu-raguan negatif sehingga asumsi ada
autokorelasi tidak terpenuhi karena terletak didaerah keragu-raguan.
2. Tidak Boleh Ada Multikolinieritas
Deteksi adanya multikolinieritas dapat dilihat dari besarnya VIF yaitu jika lebih besar VIF 5 maka terjadi multikolinieritas. Adapun besaran VIF
dari masing-masing variabel bebas adalah sebagai berikut.
Tabel 10 : VIF Variance Inflation Factor
Sumber : hasil olah data lampiran 4
Berdasarkan tabel 10 di atas , dapat disimpulkan bahwa model regresi tidak terjadi multikolinearitas, karena besaran VIF yang dihasilkan oleh
variabel Ukuran Perusahaan X
1
, Profitabilitas X
2
, dan Financial Leverage X
3
lebih kecil dari angka 10, maka dapat disimpulkan bahwa antara variabel bebas tidak terdapat korelasi, sehingga asumsi tidak boleh ada multikolinearitas
terpenuhi.
3. Tidak Boleh Ada Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasi dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas.
Coefficients
a
-.614 .769
-.799 .433
.000 .000
.133 .579
.569 .723
1.384 .041
.049 .340
.832 .415
.230 4.345
.017 .009
.732 1.957
.044 .274
3.652 Constant
UKUR.PERUSH PROFITABILITAS
FIN.LEVERAGE Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: PERAT.LABA a.
Tabel 11 : Hasil Korelasi Rank Spearman
Correlations
1.000 .402
-.226 -.111
. .052
.288 .605
24 24
24 24
.402 1.000
-.822 -.013
.052 .
.000 .952
24 24
24 24
-.226 -.822
1.000 -.107
.288 .000
. .619
24 24
24 24
-.111 -.013
-.107 1.000
.605 .952
.619 .
24 24
24 24
Correlation Coefficie Sig. 2-tailed
N Correlation Coefficie
Sig. 2-tailed N
Correlation Coefficie Sig. 2-tailed
N Correlation Coefficie
Sig. 2-tailed N
UKUR.PERUSH
PROFITABILITAS
FIN.LEVERAGE
Unstandardized Resid Spearmans rh
UKUR. PERUSH
PROFITA BILITAS
FIN. LEVERAGE
Unstandardiz ed Residual
Correlation is significant at the 0.01 level 2-tailed. .
Sumber : Hasil olah Lampiran 4
Berdasarkan tabel 11 diatas, diperoleh tingkat signifikan koefisien Rank Spearman untuk variabel Ukuran Perusahaan X
1
, Profitabilitas X
2
, Financial Leverage X
3
tidak mempuyai korelasi yang signifikan antar residual dengan variabel bebas nilai sig lebih besar dari 0,05 maka hasil analisis ini
dapat disimpulkan sebagian variabel penelitian tidak terjadi Heteroskedastisitas.
4.4.2 Penentuan Persamaan Regresi Berganda
Kategori