BAB IV HASIL PENELITIAN DAN PEMBAHASAN
2. Uji Asumsi Klasik
2. Uji Asumsi Klasik
Sebelum melakukan analisis regresi berganda ada baiknya melakukan pengujian asumsi klasik agar dapat perkiraan yang efisiensi dan tidak biasa. Pengujian ini dilakukan untuk mendeteksi ada tidaknya penyimpangan dari asumsi klasik pada regeresi berganda. Adapun uji asumsi klasik yang digunakan, yaitu:
a. Uji Normalitas
Uji ini digunakan untuk mengetahui apakah dalam distribusi sebuah data mengikuti atau mendekati distribusi normal. Untuk mendeteksinya yaitu dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal.Data yang baik adalah data yang mempunyai pola seperti distribusi normal (tidak menceng ke kiri atau ke kanan). Hal ini juga dinyatakan Imam (putri, 2012, hal. 3) bahwa data harus memiliki distribusi normal. Untuk mengetahui data distribusi normal digunakan uji statistik Kolmogorow-Smirnow (K-S), sebagaimana telah dijelaskan oleh Ghazali (2005, hal. 115). Dengan asumsi, bila nilai signifikan < 0,005 berarti distribusi data tidak normal, sebaliknya bila nilai signifikannya > 0.005 berarti distribusi data normal.
b. Uji Multikolinearitas
Multikolinearitas merupakan gejala korelasi antar variabel bebas yang ditunjjukkan dengan korelasi yang signifikan antar variabel bebas. Uji
37
multikolinearitas digunakan untuk mengetahui apakah pada model regresi liner ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi antara variabel independen. Jika terjadi korelasi, maka terdapat suatu masalah multikolinearitas.Namun jika kedua variabel independen terbukti berkorelasi secara kuat, maka dikatakan terdapat
multikolinearitas pada kedua variabel tersebut. Deteksi adanya
multikolinearitas. Menurut Idris (Putri, 2012, hal.4) adalah sebagai berikut: 1) Besaran VIF (Variance Inflasion Factor) dan Tolerance
Pedoman suatu model regresi yang bebas multikolinearitas yaitu: a) Mempunyai nilai VIF disekitar angka 1
b) Mempunyai angka Tolerance mendekati angka 1 c) Memiliki lebih dari 0,10 dan niali VIF kurang dari 10
2) Besaran korelasi antar variabel independen, koefisien korelasi antara variabel independen haruslah lemah (dibawah 0,5). Jika korelasi kuat, maka terjadi problem pada multikolinearitas.
c. Uji Heterokedastisitas
Uji ini digunakan untuk mengetahui adanya ketidaksamaan varians dari residual satu pengamatan lain dalam sebuah regeresi. Bentuk pengujian yang digunakan dengan metode informal atau metode grafik scatterplot. Adapun dasar analisisnya dapat dikemukakan sebagai berikut:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas d. Uji Autokorelasi
Menurut Imam (Putri, 2012, hal. 4), pengajuan ini bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode ke t dengan kesalahan pada periode sebelumnya di dalam sebuah model regresi linier. Cara mengetahui autokorelasi yaitu dengan melihat nilai Durbin Walson (D-W).
1) Jika nilai D-W dibawah -2, maka ada autokorelasi positif
2) Jika nilai D-W di antara -2 sampai maka tidak ada autokorelasi 3) Jika nilai D-W di atas -2, maka ada autokorelasi negatif.
3. Pengujian Hipotesis
a. Uji-t (parsial)
Pengujian hipotesis secara parsial dari variabel-variabel independen terhadap variabel dependen untuk melihat arti dari masing-masing koefisien regresi berganda digunakan uji t dengan rumus sebagai berikut:
√ √ (Sugiyono, 2002, hal. 292) Keterangan: t = nilai t hitung r = koefisien korelasi
n= banyaknya pasangan rank
39
Bila thitung>ttabel atau – thitung < - ttabel, maka Ho ditolak karena adanya korelasi yang signifikan antara variabel x dan y.
1) Bentuk pengujian
H0 : rs = 0, artinya tidak terdapat hubungan signifikan antara variabel bebas (X) dengan variabel terikat (Y).
H0 : rs 0, artinya terdapat hubungan signifikan antara variabel bebas (X) dengan variabel terikat (Y)
2) Kriteria pengembalian keputusan
H0 diterima jika –ttabel thitung ttabel, pada = 5% df=n-k Ha diterima jika : thitung>ttabel atau –thitung < - ttabel
-t hitung -t tabel 0 t tabel t hitung Gambar III-1.
Kriteria Penguji Hipotesis b. Uji F
Untuk mengetahui ada atau tidaknya hubungan atau pengaruh antara variabel independen secara serentak terhadap variabel dependen digunakan uji F. Hipotesis yang menyatakan ada pengaruh antara variabel independen terhadap terhadap variabel dependen dapat diketahui dengan menggunakan uji F, dengan rumus senagai berikut:
(Sugiyono, 2010, hal. 257) Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho
Keterangan: FH= nilai f hitung
R= Koefisien korelasi berganda K= jumlah variabel independen N= jumlah anggota sampel Ketentuan:
1) Bila Fhitung> Ftabel dan –Fhitung< -Ftabel maka Ho ditolak karena adanya korelasi yang signifikan antara variabel x1 dan x2 dengan Y. 2) Bila Fhitung ≤Ftabel dan –Fhitung ≥ -Ftabel maka Ho diterima karena
tidak adanya korelasi yang signifikan antara variabel x1 dan x2 terhadap Y.
Taraf signifikan yang digunakan adalah 5% uji dua pihak dan dk = n- k- 1. Bentuk pengujian
1) Ho = tidak ada pengaruhnya antara Current Ratio dan Return on
Equity(ROE) terhadap Debt to Equity Ratio (DER)
2) Ha = ada pengaruh antara Current Ratio dan Return on Equity (ROE) terhadap Debt to Equity Ratio (DER)
Pengujian hipotesis:
-F hitung -F tabel 0 F tabel F hitung
Gambar 3-2
Kurva Pengujian Hipotesis
Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho
41
Keterangan:
Fhitung = Hasil perhitungan korelasi Current Ratio dan Return on Equity (ROE) terterterhadap Debt to Equity Ratio (DER)Terhadap Debt to Equity
Ratio (DER)
F tabel = niali F dalam tabel F berdasarkan n.
4. Koefisien Determinasi
Untuk mengetahui apakah ada pengaruh antara variabel bebas dengan variabel terikat digunakan koefisien determinasi, yaitu dengan mengkuadratkan koefisien yang ditemukan, yaitu dengan menggunakan rumus sebagai berikut: D = R² × 100%
Dimana:
D = Determinasi
R = Nilai Korelasi berganda
42
A. Hasil Penelitian 1. Deskripsi Data
Objek penelitian yang digunakan adalah perusahaan Perkebunan selama periode 2012-2016 (4 tahun). Penelitian ini melihat apakah Likuiditas dan Profitabilitas berpengaruh signifikan terhadap Struktur Modal. Seluruh perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia ada 10 nama perusahaan Perkebunan. Kemudian yang memenuhi kriteria sampel keseluruhan dari jumlah populasi yaitu 10 perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia. Berikut nama-nama perusahaan yang menjadi objek dalam penelitian ini sebagai berikut :
Tabel IV-1
Daftar Sampel Penelitian
NO KODE NAMA PERUSAHAAN
1 AALI Astro Agro Lestari Tbk
2 BWPT Eagle High Plantations Tbk.
3 GZCO Gozco Plantation Tbk.
4 JAWA Jaya Agra Wattie Tbk.
5 LSIP PP London Sumatera Indonesia Tbk.
6 SGRO Sampoerna Agro Tbk.
7 SIMP Salim Ivomas Pratama Tbk.
8 SMAR Sinar Mas Agro Resources and Technolog Tbk.
9 TBLA Tunas Baru Lampung Tbk.
10 UNSP Bakriet Sumatera Plantation Tbk.
43
a. Debt to Equity Rasio (DER)
Variabel terikat (Y) yang digunakan dalam penelitian ini adalah Struktur Modal (Debt to Equity Rasio). Rasio dalam pengukuran Struktur Modal digunakan Debt to Equity Rasio (DER) yaitu salah satu rasio Leverage bertujuan untuk dijadikan jaminan untuk keseluruhan utang perusahaan.
Berikut ini adalah hasil perhitungan Struktur Modal (Debt to Equity Rasio) pada masing-masing Perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia selama periode 2012-2016.
Tabel IV-2
Debt to Equity Rasio Perusahaan Perkebunan
yang terdaftar di BEI 2012-2016 (Dalam Persentase)
Kode Emiten 2012 2013 2014 2015 2016 Rata-Rata
AALI 0.33 0.46 0.57 0.84 0.38 0.51 BWPT 1.95 1.84 1.36 1.65 1.60 1.68 GZCO 0.99 1.13 1.08 0.86 2.10 1.23 JAWA 0.79 1.09 1.33 1.61 2.13 1.39 LSIP 0.20 0.21 0.20 0.21 0.24 0.21 SGRO 0.55 0.67 0.81 1.13 1.22 0.88 SIMP 0.65 0.74 0.84 0.84 0.85 0.78 SMAR 0.82 1.83 1.68 2.14 1.56 1.61 TBLA 1.95 2.46 1.97 2.23 2.68 2.26 UNSP 1.40 2.70 3.20 4.04 11.27 4.52 Rata rata 0.96 1.31 1.30 1.56 2.40 1.51
Sumber : Bursa Efek Indonesia (2018) data diolah
Berdasarkan data diatas terlihat bahwa rata-rata Debt to Equity Rasio tahun 2012-2016 masing-masing perusahaan Perkebunan mengalami fluktuasi setiap tahunnya kadang mengalami kenaikan dan kadang penurunan. Jika dilihat dari rata-ratanya, Debt to Equity Rasio pada masing-masing perusahaan
Perkebunan mengalami kenaikan dan penurunan. Kisaran Debt to Equity Ratio perusahaan Perkebunan tersebut berada kisaran 0,96 sampai 2,4.
Berdasarkan tabel diatas maka dapat dilihat bahwa rata-rata Debt to Equity
Ratio mengalami peningkatan dan penurunan dari tahun ke tahun. Pada tahun
2012 Debt to Equity Ratio sebesar 0,96 yang berarti bahwa setiap peningkatan total modal yang dipergunakan untuk operasi perusahaan berasal dari utang yang meningkat. Debt to Equity Ratio ini mengalami peningkatan ditahun 2013 menjadi 1,31. Peningkatan ini terjadi sebesar 0,34. Ditahun 2014 terjadi penurunan sebesar 0,01 dan ditahun 2015 dan 2016 terus mengalami peningkatan yaitu meningkat 0,26 di tahun 2015 dan meningkat sebesar 0,84 di tahun 2016. Hal ini karenakan oleh total modal yang mengalami kenaikan, sementara utang mengalami penurunan pada tahun tersebut, Sedangkan pada saat terjadi penurunan hal ini lebih dikarenkan perbandingan kenaikan modal pada tahun tersebut lebih kecil dibandingkan dengan kenaikan total utang.
Jika suatu perusahaan mempunyai DER yang tinggi artinya pendanaan dengan utang semakin banyak, maka semakin sulit bagi perusahaan untuk memperoleh tambahan pinjaman karena dikhawatirkan perusahaan tidak mampu menutupi utang-utangnya dengan modal yang dimilikinya. Demikian pila apabila DER rendah, semakin kecil perusahaan dibiayai dengan utang.standard pengukuran untuk nilai baik tidaknya rasio keuangan suatu perusahaan, menggunakan rasio rata-rata industri yang sejenis.
b. Current Ratio (CR)
Variabel Bebas (X1) dalam penilaian ini adalah likuditas yang berfokus pada Current Ratio yaitu rasio yang digunakan untuk mengukur aktiva lancar
45
dibagi dengan hutang lancar atau menilai keefektifan kemampuan perusahaan dalam memenuhi kewajiban jangka pendek perusahaan yang segera jatuh tempo.Rasio lancar merupakan ukuran yang paling umum digunakan untuk mengetahui kesanggupan memenuhi kewajiban jangka pendek. Oleh karena itu, rasio tersebut menunjukan seberapa jauh tuntutan dari krediator jangka pendek dipenuhi oleh aktiva yang diperkirakan menjadi utang tunai dalam periode yang sama dengan jatuh tempo utang. Semakin besar Current Ratio perusahaan maka DER nya akan semakin berkurang, karena perusahaan yang mempunyai total aktiva yang besar kemampuan untuk membayar utangnya pun lebih besar.
Berikut ini adalah hasil perhitungan Current Ratio pada masing-masing Perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia selama periode 2012-2016.
Tabel IV-3
Current Ratio Perusahaan Perkebunan
Periode 2012-2016 (Dalam Persentase) Kode Emiten 2012 2013 2014 2015 2016 Rata-Rata AALI 68.46 45.00 58.47 79.90 102.75 70.92 BWPT 65.13 44.62 52.01 70.71 58.17 58.13 GZCO 151.25 74.70 88.18 125.86 51.49 98.30 JAWA 82.49 64.65 52.86 46.62 29.46 55.22 LSIP 327.30 248.52 249.11 222.10 245.91 258.59 SGRO 110.85 105.07 80.15 127.00 127.66 110.15 SIMP 148.31 82.86 87.12 93.58 124.68 107.31 SMAR 209.96 104.70 107.96 107.91 134.58 133.02 TBLA 158.81 112.04 110.44 115.54 110.36 121.44 UNSP 126.24 54.41 33.73 18.49 9.86 48.55 Rata rata 144.88 93.66 92.00 100.77 99.49 106.16
Berdasarkan data diatas terlihat bahwa Current Ratio pada masing-masing perusahaan Perkebunan cenderung mengalami penurunan setiap tahunnya. Jika dilihat dari rata-ratanya, Current Ratio pada masing-masing perusahaan Perkebunan juga mengalami penurunan.
Berdasarkan tabel diatas maka dapat dilihat bahwa rata-rata Cuurent Rasio mengalami penurunan di tahun 2013 dan tahun 2014, dimana tahun 2013 turun sebesar 51.22 dari tahun 2012 dan di tahun 2014 turun sebesar 1,66 dari tahun 2013. Tterjadi peningkatan di tahun 2015 yaitu meningkat sebesar 8,77 dari tahun 2014. Namun kembali turun di tahun 2016 sebesar 1,28 dari tahun 2015. Penurunan rata-rata curren rasio lebih dikarenakan adanya penurunan aktiva lancar perusahaan pada tahun tersebut lebih besar dari pada kenaikkan hutang lancar.
Apabila Current Rasio mengalami kenaikan maka perusahaan mampu atau memiliki dana untuk memenuhi kewajibannya sedangkan Current Rasio mengalami penurunan maka perusahaan tersebut akan sulit dalam memenuhi ratio yang tinggi menunjukkan adanya kelebihan aktiva lancar dan mencerminkan perusahaan yang likuiditas namun akan berpengaruh tidak baik terhadap profitabilitas perusahaan.
c. Return On Equity (ROE)
Variabel terikat (X2) yang digunakan dalam penelitian ini adalah Return
On Equity (ROE) . Return On Equity (ROE) adalah merupakan salah satu rasio
profitabilitas yang menunjukkan rasio untuk mengukur laba bersih sesudah pajak dengan modal sendiri. Rasio ini menunjukkan efisiensi penggunaan modal sendiri. Semakin tinggi rasio ini semakin baik.
47
Berikut ini adalah hasil perhitungan Return On Equity (ROE) pada masing-masing perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia selama periode 2012-2016.
Tabel IV-4
Return On Equity Perusahaan Perkebunan
Yang terdaftar di BEI 2012-2016 (Dalam Persentase) Kode Emiten 2012 2013 2014 2015 2016 Rata-Rata AALI 26.91 18.55 22.16 5.95 12.02 17.12 BWPT 15.74 8.32 2.80 -2.73 -6.25 3.58 GZCO 6.15 -6.38 3.28 -1.19 -135.22 (26.67) JAWA 12.27 5.50 3.93 -0.91 -22.81 (0.41) LSIP 17.76 11.62 12.70 8.49 7.75 11.67 SGRO 12.61 4.46 11.60 7.49 12.22 9.68 SIMP 9.42 3.94 6.60 2.12 3.46 5.11 SMAR 24.08 13.77 18.56 -5.06 25.49 15.37 TBLA 13.85 4.81 17.71 6.98 18.15 12.30 UNSP -13.49 -56.84 -12.28 -15.42 -40.47 (27.70) Rata rata 12.53 0.78 8.71 0.57 (12.57) 2.00
Sumber : Bursa Efek Indonesia (2018) data diolah
Berdasarkan data diatas terlihat bahwa Return On Equity pada masing-masing perusahaan Perkebunan mengalami fluktuasi dimana pada setiap tahunnya kadang mengalami kenaikan data kadang penurunan.juga jika dilihat dari rata-ratanya, Return On Equity pada masing-masing perusahaan Perkebunan mengalami kenaikan dan penurunan.
Berdasarkan tabel diatas maka dapat dilihat bahwa rata-rata Return On
Equity mengalami kenaikan dan penurunan. Pada tahun 2012 Return On Equity
sebesar 12,53 dan mengalami penurunan pada tahun 2013 sebesar 0,78, penurunan ini sebesar 11,75 yang berarti bahwa total aktiva yang mengalami penurunan, sementara laba mengalami peningkatan pada tahun tersebut. Return On Equity
mengalami peningkatan ditahun 2014 menjadi 8,71 atau meningkat sebesar 7,93 dari tahun 201. Kembali mengalami penurunan di tahun 2015 dan 2016 sebesar 0,57 dan -12,57. Hal ini dikarenakan perbandingan laba pada tahun tersebut lebih kecil dibandingkan dengan kenaikan total aktiva.
Jika suatu perusahaan mempunyai ROE yang tinggi (positif) maka perusahaan tersebut berpeluang besar dalam meningkatkan pertumbuhan modal sendiri. Akan tetapi sebaliknya jika total aktiva yang digunakan perusahaan tidak menghasilkan laba maka akan menghambat pertumbuhan modal sendiri. Semakin besar nilai ROE, menunjukkan kinerja perusahaan yang semakin baik pula, karena tingkat pengembalian investasi semakin besar. Nilai ini mencerminkan pengembalian perusahaan dari seluruh aktiva (atau pendanaan) yang diberikan pada perusahaan.
2. Uji Asumsi Klasik
Untuk menghasilkan suatu model yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik tersebut meliputi uji normalitas, uji multikolinearitas,uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas
Pengujian normalitas data dilihat untuk melihat apakah model regresi, variabel dependent dan independentnya memiliki distribusi normal atau tidak. Model yang paling baik hendaknya berdistribusikan data normal atau mendekati normal. Dengan menggunakan SPSS for windows versi 16.00 maka dapat
49
diperoleh hasil grafik Normal P-P Plot dan Uji Kolmogorov Smirnov sebagai berikut :
1) Uji Normal P-P Plot Of Regression Standardized Residual
Uji dapat digunakan untuk melihat model regresi normal atau tidaknya dengan syarat yaitu :
a) Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b) Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka regresi tidak memenuhi asumsi normalitas.
Gambar IV-1
Hasil Uji Normal P-P Plot Of Regression Standardized Residual
Berdasarkan gambar IV-1 diatas dapat terlihat bahwa titik-titik menyebar didaerah garis diagonal dan mengikuti garis diagonal. Oleh karena itu hasil uji normalitas data dengan menggunakan Normal P-P Plot diatas dapat dinyatakan bahwa data tersebut berdistribusi normal atau telah memenuhi asumsi normalitas.
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 E xpe ct ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual
2) Uji Kolmogorov Smirnov (K-S)
Kriteria pengujiannya adalah sebagai berikut :
a) Jika angka signifikansi >0,05 maka data mempunyai distribusi normal. b) Jika angka signifikansi < 0,05 maka data tidak mempunyai distribusi
normal.
Tabel IV-6
Hasil Uji Kolmogorov Smirnov
Sumber : Hasil SPSS 16.00
Dari hasil pengolahan data pada tabel diatas diperoleh besarnya nilai
Kolmogorov Smirnov adalah 0.572 dan signifikansi pada 0,899. Nilai signifikansi
lebih besar dari 0,05 (α= 5%, tingkat signifikan) maka data residual berdistribusi normal. Sehingga model regresi yang didapat dalam penelitian ini adalah berdistribusi normal.
b. Uji Multikolineritas
Uji multikolinieritas bertujuan untuk menguji apakah terdapat kolerasi antara variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard
One-Sample Kolmogorov-Smirnov Test
37 .0000000 .67252164 .094 .094 -.073 .572 .899 N Mean
Std. Dev iat ion
Normal Parametersa,b
Absolute Positiv e Negativ e Most Extreme Dif f erences Kolmogorov -Smirnov Z Asy mp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
51
errormenjadi tidak terhingga. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari :
1) Nilai tolerance dan lawannya 2) Variance Inflance Factor (VIF)
Kedua ukuran ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independen lainnya. tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF =1/ tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance <0,05 atau sama dengan VIF >5. Hasil dari uji multikolinieritas dapat dilihat pada tabel berikut ini.
Tabel IV-7
Hasil Uji Multikolinieritas
Sumber : Hasil SPSS 16.00
Berdasarkan tabel diatas dapat diketahui bahwa model tidak terdapat Multikolinieritas masalah, karena VIF (Variabel Inflation Factor) tidak lebih dari 5 (VIF) yaitu :
VIF Current Ratio = 1.040 < 5
VIF Return On Equity = 1.040 < 5
Dengan demikian dalam penelitian ini tidak terjadi gejala multikolinearitas dalam variabel bebasnya.
Coefficientsa 3.032 1.105 2.743 .010 -.668 .237 -.441 -2.819 .008 .961 1.040 -.036 .175 -.032 -.204 .839 .961 1.040 (Constant) Ln_CR Ln_ROE Model 1 B Std. Error Unstandardized Coeff icients Beta Standardized Coeff icients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: Ln_DER a.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel dependen. Dasar analisis untuk menentukan ada atau tidaknya heterokedastisitas yaitu:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyimpit), maka mengindikasikan telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastis.
Gambar IV-2 Hasil Uji Herokedastisitas Sumber : Hasil SPSS 16.00
Regression Standardized Predicted Value
2 1 0 -1 -2 -3 R egr ess ion S tude nt ize d R esi dua l 2 1 0 -1 -2 Scatterplot
53
Berdasarkan gambar IV.3 grafik scatterplot diatas terlihat bahwa titik-titik menyebar diatas maupun dibawah angka 0 pada sumbu Y. Hal ini disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi ini.
d. Uji Autokorelasi
Uji autokerelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan penganggu pada periode ke t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem korelasi. Model regresi yang baik adalah bebas dari autokorelasi.
Untuk menguji ada tidaknya autokorelasi ini dapat dilakukan dengan menggunakan Watson Statistik, yaitu dengan melihat koefisient korelasi Durbin Watson.
Tabel IV-9 Hasil Uji Autokorelasi
Sumber : Hasil SPSS 16.00
Kriteria untuk penilaian terjadinya autokorelasi yaitu :
1) Jika nilai D-W dibawah -2 berarti ada autokorelasi positif.
2) Jika nilai D-W diantara -2 sampai +2 berarti tidak ada autokorelasi 3) Jika nilai D-W diatas +2 berarti ada autokorelasi negatif
Dari hasil tabel diatas diketahui bahwa nilai Durbin-Watson yang didapat sebesar 1.855 yang berarti termasuk pada kriteria, sehingga dapat disimpulkan bahwa model regresi tidak ada autokorelasi.
Model Summaryb .448a .201 .154 .69202 1.855 Model 1 R R Square Adjusted R Square Std. Error of the Est im at e Durbin-Wat son Predictors: (Constant ), Ln_ROE, Ln_CR
a.
Dependent Variable: Ln_DER b.