4.3.2.4 Uji Multikolinieritas – lterasi 4 hapus X
10
Tabel 4.3.2.4 : Uji Multikolinieritas – lterasi 4 hapus X
10
Coefficients
a
-447.035 322.184
-1.388 .179
-.633 1.362
-.139 -.464
.647 -.096
.134 7.453
1.049 1.815
.384 .578
.569 .120
.027 36.842
-.370 1.342
-.159 -.276
.785 -.057
.036 27.656
3.245 2.464
.969 1.317
.201 .265
.022 45.196
-8.208 7.639
-.255 -1.075
.294 -.219
.212 4.712
4.970 6.212
.541 .800
.432 .165
.026 38.137
6.815 4.812
.821 1.416
.170 .283
.036 28.048
-2.148 2.157
-.452 -.996
.330 -.203
.058 17.215
8.041 2.994
1.254 2.686
.013 .489
.055 18.221
-12.720 9.046
-.658 -1.406
.173 -.281
.055 18.307
.808 3.952
.102 .204
.840 .043
.048 20.831
92.930 102.780
.632 .904
.375 .185
.025 40.781
Constant QR X1
IPR X2 BR X3
ALR X4 CR~X5
RAR X8 CAR 2 X9
GPM X11 ROE X12
GYTA X13 RRL X14
LM~X15 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Partial Correlat
ions Tolerance
VIF Collinearity Statistics
Dependent Variable: Perubahan Laba Y a.
Sumber : Lampiran 1
Hasil uji Multikolinieritas menunjukkan hanya nilai VIF X
1
dan X
5
kurang dari 10, sedangkan nilai VIF 10 variabel X lainnya lebih dari 10 sehingga terjadi multikolinieritas yang tinggi. Dengan demikian dapat
disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian tidak dapat dipenuhi.
VIF dapat diperbaiki dengan melakukan trimming membuang variabel yang memiliki nilai VIF paling besar, yaitu variabel ALR X
4
.
4.3.2.5 Uji Multikolinieritas – lterasi 5 hapus X
4
Tabel 4.3.2.5 : Uji Multikolinieritas – lterasi 5 hapus X
4 Coefficients
a
-378.007 322.711
-1.171 .253
-1.381 1.256
-.303 -1.099
.283 -.219
.162 6.154
-.515 1.394
-.188 -.369
.715 -.075
.047 21.068
1.033 .828
.443 1.247
.224 .247
.098 10.217
-3.505 6.855
-.109 -.511
.614 -.104
.272 3.682
7.901 5.887
.860 1.342
.192 .264
.030 33.239
2.386 3.493
.287 .683
.501 .138
.070 14.344
-2.295 2.187
-.483 -1.050
.304 -.209
.058 17.169
7.768 3.032
1.212 2.562
.017 .463
.055 18.133
-7.918 8.404
-.410 -.942
.356 -.189
.065 15.330
-.769 3.823
-.097 -.201
.842 -.041
.053 18.919
101.634 104.123
.691 .976
.339 .195
.025 40.612
Constant QR X1
IPR X2 BR X3
CR~X5 RAR X8
CAR 2 X9 GPM X11
ROE X12 GYTA X13
RRL X14 LM~X15
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correl ations
Tolerance VIF
Collinearity Statistics
Dependent Variable: Perubahan Laba Y a.
Sumber : Lampiran 1
Hasil uji Multikolinieritas menunjukkan hanya nilai VIF X
1
dan X
5
kurang dari 10, sedangkan nilai VIF 9 variabel X lainnya lebih dari 10 sehingga terjadi multikolinieritas yang tinggi. Dengan demikian dapat
disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian tidak dapat dipenuhi.
VIF dapat diperbaiki dengan melakukan trimming membuang variabel yang memiliki nilai VIF paling besar, yaitu variabel LM X
15
.
4.3.2.6 Uji Multikolinieritas – lterasi 6 hapus X