apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah
berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari
0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parameters
a
Mean .0000000
Std. Deviation 6.50926552E5
Most Extreme Differences
Absolute .212
Positive .212
Negative -.142
Kolmogorov-Smirnov Z 1.197
Asymp. Sig. 2-tailed .114
a. Test distribution is Normal.
Sumber: Lampiran iv
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,114. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat
digunakan untuk melakukan Uji-t dan Uji-f karena 0,114 0,05 H diterima
b. Hasil Uji Heteroskedastisitas
Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi
Universitas Sumatera Utara
heteroskedastisitas. Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik
penyebaran pada grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya.
Perumusan hipotesis adalah : H
: tidak ada heteroskedastisitas, H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas scatterplot
Sumber: Lampiran v
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 367044.359
143114.581 2.565
.016 Laba_Akuntansi
.013 .050
.048 .259
.797 Laba_Tunai
.010 .014
.142 .766
.450 a. Dependent Variable: absut
Sumber: Lampiran v
Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.3 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel laba akuntansi
adalah 0,797 0.05, untuk variabel laba tunai adalah 0,450 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas
karena semua variabel independennya memiliki signifikan lebih besar dari 0,05.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji
Universitas Sumatera Utara
Durbin Watson. Mengacu kepada pendapat Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
4 angka D-W dibawah -2 berarti ada autokorelasi positif,,
5 angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
6 angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Mode l
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.750
a
.562 .532
672998.096 1.853
a. Predictors: Constant, Laba_Tunai, Laba_Akuntansi
b. Dependent Variable: Dividen_Kas
Sumber: Lampiran vi
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1,853 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi dalam penelitian ini.
c. Hasil Uji Multikolinieritas
