tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0.10 dan Variance Inflation Factor VIF 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.3 Uji Multikolinearitas
Coefficients
Model Collinearity Statistics
Tolerance VIF
1 Constant DER
.231 4.329
DAR .231
4.329 a. Dependent Variable : LN_MVE
Dari tabel 4.6 di atas, dapat dilihat bahwa angka tolerance DER dan DAR 0,10, yaitu 0.231 yang berarti tidak terjadi korelasi antar variabel independen.dan
VIF-nya 10, yaitu 4.329. Ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
c. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mengetahui apakah dalam penelitian terjadi Heteroskedastisitas, dapat dilihat dengan grafik Scatterplot.
Dasar pengambilan keputusannya adalah: 1
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas.
Berikut ini dilampirkan grafik Scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran
titik-titik pada gambar.
Gambar 4.3 Scatterplot
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t
-1
. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
time series. Dalam penelitian ini. gejala autokorelasi dideteksi dengan menggunakan
Durbin-Watson Test. Pengambilan keputusan ada tidaknya autokolerasi: Tidak ada autokolerasi, positif atau negatif : du d 4 – du atau 1.641 d
2.359.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .366
a
.134 .102
2.14336 2.116
a. Predictors: Constant, DAR, DER b. Dependent Variable: LN_MVE
Tabel 4.7 memperlihatkan nilai statistik D-W sebesar 2,116. Angka ini terletak diantara 1,641 dan 2,359 1,641 2,116 2,359. Dari pengamatan ini
dapat disimpulkan bahwa tidak terjadi autokorelasi.
3. Pengujian Hipotesis
