a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam model regresi untuk kepentingan penelitian telah
terdistribusi normal. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Seperti diketahui bahwa uji
t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk
jumlah sampel kecil. Dalam penelitian ini, uji yang digunakan adalah Kolmogorov
–Smirnov Test untuk masing–masing variabel. Uji statistik sederhana dapat dilakukan dengan melihat nilai Kolmogorov
– Smirnov z dari residual dengan membuat hipotesis sebagai berikut :
H
o
: Data residual berdistribusi normal H
a
: Data residual tidak berdistribusi normal
Pengujian normalitas dilakukan dengan melihat nilai 2-tailed significant melalui pengukuran tingkat signifikansi 5. Data dikatakan
berdistribusi normal apabila Asymp.Sig 2-Tailed lebih besar dari 0,05 atau 5 Ghozali, 2009.
Hasil dari pengujian ini diperoleh data sebagai berikut:
Tabel 2. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 44
Normal Parameters
a,b
Mean 0,0000000
Std. Deviation
0,17827761 Most Extreme
Differences Absolute
0,147 Positive
0,136 Negative
-0,147 Kolmogorov-Smirnov Z
0,976 Asymp. Sig. 2-tailed
0,297 a. Test distribution is Normal.
b. Calculated from data. Sumber : Lampiran 9 halaman 108
Berdasarkan hasil uji normalitas menggunakan uji Kolmogorov –
Smirnov pada tabel 2 di atas, diketahui bahwa hasil output SPSS menunjukkan besarnya nilai K-S adalah 0,976 dengan probabilitas
signifikansi 0,297 dan nilai Asymp. Sig. 2-tailed berada jauh diatas α =
0,05, sehingga dengan hasil ini dapat diartikan bahwa data berdistribusi secara normal.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka
variabel –variabel ini tidak ortogonal. Variabel ortogonal adalah variabel
independen sama dengan nol Ghozali, 2011. Menurut Ghozali 2009, untuk melihat permasalahan pada uji
multikolinieritas dapat dilihat dari nilai tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel
independen lainnya. Nilai cut off yang digunakan untuk menunjukkan multikolinieritas adalah tolerance
≤ 0,10 dan nilai VIF ≥ 10. Untuk itu, hasil uji multikolineritas dapat dilihat pada tabel
berikut:
Tabel 3. Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
CP 0,906
1,104 FS
0,815 1,226
DER 0,775
1,290 ROA
0,962 1,040
a. Dependent Variable: DPR Sumber : Lampiran 10 halaman 108
Berdasarkan tabel 3 di atas, diketahui hasil perhitungan nilai tolerance yang menunjukkan bahwa tidak ada variabel bebas yang
mempunyai nilai toleransi 0,10. Hal ini dapat diartikan bahwa tidak ada korelasi atau hubungan antar variabel independen yang nilainya
lebih dari 95. Selanjutnya, diketahui pula bahwa hasil perhitungan nilai variance inflation factor VIF juga menunjukkan hal yang sama,
yaitu tidak ada satu variabel independen yang memiliki nilai VIF 10.
Sehingga, dapat disimpulkan bahwa dari hasil olah data diatas menunjukkan model regresi pada penelitian ini tidak terjadi
multikolinieritas atau dengan kata lain model regresi layak untuk digunakan.
c. Uji Heteroskedastisitas
Uji heteroskedastistas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas atau tidak terjadi
heteroskedastisitas. Model
regresi yang
baik adalah
yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan
data silang mengandung situasi heteroskesdatisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan
besar Ghozali, 2011. Pengujian dilakukan dengan uji Glejser yaitu melakukan rregresi
masing –masing variabel independen dengan absolute residual sebagai
variabel dependen. Pada dasarnya, diketahui bahwa residual merupakan selisih antara nilai observasi dengan nilai prediksi, sedangkan absolute
merupakan nilai mutlaknya. Uji Glejser digunakan untuk melakukan regresi dari nilai absolut residual terhadap variabel independen. Ada atau
tidaknya heteroskedastisitas dapat dideteksi melalui tingkat kepercayaan 5, dimana apabila probabilitas signifikansinya diatas 5, maka
Kategori