Tabel 4.3 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 117
Normal Parametersa,b
Mean .0000000
Std. Deviation .77373672
Most Extreme Differences
Absolute .096
Positive .096
Negative -.092
Kolmogorov-Smirnov Z 1.035
Asymp. Sig. 2-tailed .234
a Test distribution is Normal. b Calculated from data.
Setelah dilakukan transformasi data maka hasil uji Kolmogorov- Smirnov seperti terlihat dalam tabel 4.3 menunjukkan nilai Asymp. Sig.
2-tailed lebih besar dari 0.05 yaitu sebesar 0.234, maka Ho diterima dan data berdistribusi normal.
2. Uji Multikolinearitas
Menurut Ghozali 2005 : 91 untuk melihat ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari :
1. Nilai tolerance dan lawannya,
2. Variance Inflation Factor VIF
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lain. Tolerance mengukur
variabelitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF
Universitas Sumatera Utara
yang tinggi karena VIF=1toleraneII. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.01
atau sama dengan VIF10.
Tabel 4.4 Coefficientsa
M od
el Unstandardized
Coefficients Standar
dized Collinearity
Statistics B
Std. Error
Beta t
Sig Tol
era nce
VIF 1
Constant -4.723
3.404 -
.168 Tangiable of
.219 .069
.289 3.16
.002 .92
1.076 Return on
Investment -.051
.049 -.091
- 1 03
.303 .99
5 1.005
Firm Size 1.674
1.346 .114
1.24 4
.216 .92
5 1.081
a Dependent Variable: Debt to Total Asset Ratio
Berdasarkan tabel 4.4 diatas dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini dapat dilihat dengan
membandingkan nilai tolerance dan VIF. Masing-nasing variabel bebas dalam penelitian memiliki nilai tolerance lebih besar dari 0.01. Jika dilihat
dari VIFnya,bahwa masing-masing variabel bebas lebih kecil dari 10. Dengan demikian tidak terjadi gejala multikolinearitas dalam variabel
bebasnya.
3. Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
periode t-1 sebelumnya. Model regresi yang baik adalah bebas dari
Universitas Sumatera Utara
autokorelasi. Uji autokorelasi yangn digunakan adalah uji Durbin-Watson DW dengan hipotesis sebagai berikut :
Ho : tidak ada auto korelasi r=0 Ha : ada autokorelasi r
≠0
Pengambilan keputusan ini melihat autokorelasi adalah sebagai berikut : 0 d dL
: tolak Ho dl
≤d≤du : tidak ada keputusan
4-dL ≤4
: tolak Ho d 4-dL
: tolak Ho 4-du d
≤ 4-dl : tidak ada keputusan
dl d 4-du : tidak tolak Ho
Berikut adalah hasil uji Durbin-Watson
Tabel 4.5 Model Summaryb
Mode l
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.47a .121
.48 .78394
1.448 a Predictors: Constant, Firm Size, Return on Investment, Tangiable of Asset
b Dependent Variable: Debt to Total Asset Ratio
Dari tabel 4.5 dapat dilihat bahwa untuk jumlah sampel sebanyak N = 117, dan variabel bebas 3 maka dapat ditentukan berdasarkan tabel
Durbin-Watson yaitu: dl = 1.441
du = 1.647
Universitas Sumatera Utara
Maka, nilai D-W diantara dlDW4-du yaitu 1.4411.4482.353 maka Ho diterima sehingga tidak terdapat autokorelasi pada model regresi.
4. Uji Heteroskedasitas
