54
Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
75 Normal Parameters
a,b
Mean 0E-7
Std. Deviation
1.64964651 Most Extreme
Differences Absolute
.126 Positive
.126 Negative
-.077 Kolmogorov-Smirnov Z
1.089 Asymp. Sig. 2-tailed
.187 a. Test distribution is Normal.
b. Calculated from data. Sumber : Hasil Pengolahan SPSS 2014
Hasil pengujian normalitas menunjukkan nilai Kolmogorov-Smirnov adalah 1,089 dan tingkat signifikansi 0,187. Nilai signifikansi tersebut lebih besar
dari nilai α = 5 atau 0,05. Sehingga dapat disimpulkan bahwa data memiliki distribusi normal.
4.3.2 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan untuk mengetahui apakah variabel independen berkolerasi atau tidak. Cara mengetahui
multikolinearitas melalui nilai Variance Inflation Facto VIF. Model regresi yang baik adalah model regresi yang tidak terdapat multikolinearitas.
Jika tolerance value diatas 0.1 atau VIF dibawah 10, berarti tidak terdapat multikolinearitas. Namun jika sebaliknya, maka terdapat multikolinearitas.
Berikut ini adalah hasil pengujian multikolinearitas.
Universitas Sumatera Utara
55
Tabel 4.3Hasil Uji Mulitolineritas Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant .353
4.751 .074
.941 LROE
.141 .099
.148 1.432
.157 .843
1.186 LCAR
-.212 .317
-.071 -.668
.506 .800
1.250 LBOPO
.504 .331
.166 1.523
.132 .760
1.315 LNPL
1.585 .393
.434 4.036
.000 .780
1.282 LNIM
-.547 .467
-.125 -1.171 .246
.789 1.267
LLDR -.060
.258 -.024
-.234 .816
.860 1.163
LCSR -.964
2.805 -.039
-.344 .732
.701 1.427
a. Dependent Variable: LPER Sumber : Hasil Pengolahan SPSS 2014
Dari tabel 4.3 tersebut, diketahui bahwa tidak terjadi multikolinearitas atau kolerasi diantara vaiabel-variabel independen tersebut. Nilai VIF semua variabel
independen sekitar 1 VIF 10. Dan nilai tolerance lebih besar dari 0,01 tolerance 0,1.
4.3.3 Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk mengetahui apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain
di dalam model regresi. Model regresi yang baik tidak terjadi heterokedastisitas yang ditandai dengan tidak ada titik-titik yang
membentuk pola tertentu bergelombang, melebar, menyempit. Pengujian dilakukan melalui scatter plot. Berikut ini adalah hasil uji heterokedastisitas.
Berikut ini hasil pengujian heterokedastisitas.
Universitas Sumatera Utara
56
Gambar 4.1 Hasil Uji Heterokedastisitas 4.3.4 Uji Autokolerasi
Cara yang dilakukan untuk mengetahui ada atau tidaknya autokolerasi yaitu melalui uji Durbin-Watson.
Tabel 4.4 Hasil Uji Autokolerasi Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.629
a
.396 .332
1.73216 1.966
a. Predictors: Constant, LCSR, LNPL, LLDR, LROE, LCAR, LNIM, LBOPO b. Dependent Variable: LPER
Sumber : Hasil Pengolahan SPSS 2014 Berdasarkan hasil autokolerasi pada tabel 4.4, nilai Durbin-Watson adalah
1.966. kemudian nilai ini dibandingkan dengan tabel Durbin-Watson dengan menggunakan signifikansi 5 dengan jumlah pengamatan N 76 dan jumlah
variabel bebas k 7. Nilai batas atas du sebesar 1.834 dan batas bawah dl 1.428. Oleh karena itu dapat dinyatakan bahwa 1.834 1.966 4 -1.834. hasil
Universitas Sumatera Utara
57
penelitian tersebut menunjukkan bahwa tidak terdapat autokolerasi positif maupun negative.
4.4 Analisis Regresi dan Uji Hipotesis 4.4.1 Analisis Koefisien Determinasi
