Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10.
Tabel 4.12 Hasil Uji Multikoleniearitas 2
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Correlations Collinearity
Statistics B
Std. Error
Beta Zero-
order Partial Part Tolerance VIF
1 Constant
7.731 1.026 7.536 .000
LN_Current Ratio
1.018 .568 .337 1.793 .077 .214
.203 .170 .254 3.933
LN_Debt To Total Asset
.846 .712 .239 1.187 .239 -.247
.136 .113 .222 4.494
LN_Net Profit Margin
1.479 .273 .605 5.420 .000 .514
.530 .514 .720 1.388
LN_Price Earning Ratio
.446 .268 .166 1.666 .100 .012
.189 .158 .905 1.106
LN_Total Asset Turn Over
.048 .596 .008 .081 .936 -.086
.009 .008 .912 1.096
a. Dependent Variable: LN_Dividend Per Share
Sumber : Output SPSS, diolah Peneliti 2010
Dari hasil pengujian tabel 4.12 di atas, dapat dilihat bahwa nilai VIF maksimum dari kelima variabel independen tersebut adalah 4,494 yang berarti
bahwa tidak ada 1 pun variabel independen yang memeiliki nilai VIF 10. Selain itu, nilai minimum tolerance dari kelima variabel independen adalah 0,222 yang
berarti bahwa tidak ada satupun variabel independen yang memiliki nilai tolerance 0,1. Dengan demikian, dapat disimpulkan bahwa penelitian ini bebas
dari adanya multikoleniaritas.
c. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu
Universitas Sumatera Utara
periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data
cross sectional danatau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model
regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi
adalah dengan melakukan pengujian Durbin Watson DW. Dalam model regresi tidak terjadi autokorelasi apabila nilai du dw 4 – du. Tabel 4.13 menyajikan
hasil uji Durbin Watson dengan menggunakan program SPSS versi 17.0.
Tabel 4.13 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .571
a
.326 .281
1.74877 2.091
a. Predictors: Constant, LN_Total Asset Turn Over, LN_Price Earning Ratio, LN_Current Ratio, LN_Net Profit Margin, LN_Debt To Total Asset
b. Dependent Variable: LN_Dividend Per Share
Sumber : Output SPSS, diolah peneliti, 2010
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 2,091, sedangkan bila dilihat dari tabel DW untuk lima variabel k
= 5 dan banyak data adalah 81, untuk level signifikansi = 0,05 diperoleh DL = 1,5070 dan DU = 1,772 sehingga nilai 4 – DU = 4 – 1,772 = 2,228 atau dapat
inyatakan bahwa 1,772 2,091 2,228. Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi.
Universitas Sumatera Utara
d. Heteroskedastisitas