Tabel 4.2 menunjukkan nilai Asymp.Sig. 2-tailed dengan nilai 0,779 yang tidak signifikan terhadap
α = 0,05. Artinya data terdistribusi dengan normal. Dengan demikian salah satu asumsi klasik statistik yang diperlukan
dalam melakukan pengujian regresi sebagai alat analisis dalam statistik parametrik terpenuhi
2. Multikolinearitas
Tabel 4.3 Output Uji Multikolinearitas SPSS For Windows Versi 15.0
Sebelum Data Ditransformasi
Uji multikolinearitas diketahui dari nilai VIF untuk masing-masing prediktor. Persyaratan untuk dapat dikatakan terbebas dari multikolinier
adalah apabila nilai VIF prediktor tidak melebihi nilai 2. Nilai VIF 2 menandakan terjadinya korelasi antar variabel independen penelitian.
Trihendradi, 2006:14. Sedangkan pada nilai pengujian hasil yang diperoleh menyatakan bahwa 2 dua variabel bebas tidak bebas dari masalah
multikolinearitas, yaitu Debt Ratio dengan nilai 5,636 dan Long Term Debt To Total Assets Ratio dengan nilai 5,176. Kesimpulannya model tidak bebas
masalah dari multikorelinearitas.
Coefficients
a
.133 .055
-.313 .159
-.642 .177
5.636 .406
.198 .642
.193 5.176
.002 .005
.055 .771
1.298 .002
.001 .166
.975 1.026
Constant DEBT_RATIO
LONG_TERM_DEBT_TO_ TOTAL ASSETS RATIO
DER TIE
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients Tolerance
VIF Collinearity Statistics
Dependent Variable: ROE a.
Universitas Sumatera Utara
3. Autokorelasi
Tabel 4.4 Output Durbin Watson SPSS For Windows Versi 15.0
Sebelum Data Ditransformasi
Tabel 4.4 menunjukkan nilai Durbin Watson sebesar 1,498. Menurut Trihendradi 2006:14, untuk mendeteksi ada tidaknya autokorelasi maka
dilakukan pengujian Durbin Watson dengan ketentuan sebagai berikut: a.
1,65 DW 2,35; kesimpulannya tidak ada korelasi. b.
1,21 DW 1,65 atau 2,35 DW 2,79; kesimpulannya tidak dapat disimpulkan inconclusive.
c. DW 1,21 atau DW 2,79; kesimpulannya terjadi autokorelasi.
Hasil penelitian ini termasuk tidak dapat disimpulkan 1,21 1,498 1,65 bila dilihat dari Tabel 4.4.
Model Summary
b
.335
a
.112 .037
.1594787 1.498
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, TIE, LONG_TERM_DEBT_TO_TOTAL_ASSETS_RATIO, DER, DEBT_RATIO
a. Dependent Variable: ROE
b.
Universitas Sumatera Utara
4. Heterokedastisitas
Gambar 4.3 Output Heterokedastisitas SPSS For Windows Versi 15.0 Sebelum Data Ditransformasi
Gambar 4.3
menunjukkan Scatter Plot diagram pencar dari data
tidak membentuk pola tertentu ataupun tidak menumpuk di satu sudut tertentu. Sebaran data terlihat berada disemua arah dan mengisi daerah diatas dan
dibawah angka nol secara merata. Hal ini mengindikasikan bahwa model regresi tidak terkena persoalan Heteroskedastisitas Nugroho, 2005:63.
Gambar 4.3 dapat menimbulkan pendapat yang subjektif bila mengingat data yang dipakai dikumpulkan dari berbagai macam perusahaan
dengan nilai yang berbeda. Uji Park akan dilakukan untuk melihat masalah heterokedastisitas dengan nilai yang lebih objektif.
3 2
1 -1
-2 -3
Regression Standardized Predicted Value
4 2
-2 -4
Regression Studentized Deleted
Press Residual
Dependent Variable: ROE Scatterplot
Universitas Sumatera Utara
Tabel 4.5 Output Heterokedastisitas Uji Park SPSS For Windows Versi 15.0
Sebelum Data Ditransformasi
Tabel 4.5 memberikan informasi bahwa dari nilai-nilai variabel bebas yang digunakan nilai koefisien variabel tidak ada yang signifikan pada tingkat
pengujian 5 sig.0,05.
C. Analisis Statistik