3. Variabel financial leverage LEV memiliki jumlah sampel N
sebanyak 52, dengan nilai minimum 0,79, nilai maksimum 1,30, mean 0,9060 dan standart deviation 0,07024,
4. Variabel profitabilitas PRO memiliki jumlah sampel N sebanyak
52, dengan nilai minimum -8,770, nilai maksimum 0,330, mean - 0,7290 dan standart deviation 1,234165,
5. Variabel ukuran perusahaan SIZE memiliki jumlah sampel N
sebanyak 52, dengan nilai minimum 14,12, nilai maksimum 19,79, mean 16,7251 dan standart deviation 1,78363,
6. Jumlah sampel yang digunakan adalah sebanyak 52.
2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala
multikolinearitas, heteroskedastisitas dan autokorelasi.
a. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk
menguji apakah residual berdistribusi normal adalah uji statitstik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : data residual berdistribusi normal,
Universitas Sumatera Utara
Ha : data residual tidak berdistribusi normal. Apabila nilai siginifikansi lebih besar dari 0,05 maka H
diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H
ditolak dan Ha diterima.
Tabel 4.7 Hasil Uji Normalitas
S
Sumber: Output SPSS
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.7 dapat disimpulkan bahwa data
berdistribusi normal. Hal ini dapat dilihat dari nilai signifikansi sebesar 0,736 lebih besar dari 0,05.
Data berdistribusi normal juga dapat dilihat dengan menggunakan normal probably plot of standardized residual, yang hasilnya tampak pada
gambar 4.1.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters
a
Mean .0000000
Std. Deviation .14856774
Most Extreme Differences
Absolute .095
Positive .055
Negative -.095
Kolmogorov-Smirnov Z .685
Asymp. Sig. 2-tailed .736
a. Test distribution is Normal.
Universitas Sumatera Utara
sek De
nor den
Su
Berdasark kitar garis d
engan demi rmal atau te
ngan mengg umber: Outp
Gr
kan gambar diagonal da
ikian dapat elah memen
gunakan gra put SPSS
Gambar rafik Norm
4.1 dapat an penyebar
t dinyataka nuhi asums
afik histogr
r 4.1 mal P-Plot
dilihat bah rannya men
an bahwa p i normalita
am seperti b hwa titik-tit
ngikuti arah penyebaran
s. Hal ini ju berikut.
tik menyeb h garis diag
data mend uga dapat d
bar di gonal.
dekati dilihat
Universitas Sumatera Utara
tid
b.
mu bai
mu V
Sumber
Grafik his dak melence
Uji Multi
Uji multik ultikolineari
ik seharusn ultikolineari
VIF tidak le : Output SP
G
stogram me eng ke kiri m
kolinearita
kolinearitas itas antar v
nya tidak ter itas dapat d
ebih dari 10 PSS
Gambar Grafik Hist
enunjukkan maupun mel
as
bertujuan u variabel-var
rjadi korela dilihat, yait
0 dan nilai
r 4.2 togram
n pola distri lenceng ke k
untuk meng iabel indep
asi antara va tu jika nilai
tolerance t ibusi norma
kanan.
getahui ada enden. Mod
ariabel inde i Variance
tidak kuran mal karena g
a tidaknya te del regresi
ependen. De Inflation F
ng dari 0,1 grafik
erjadi yang
eteksi Factor
maka
Universitas Sumatera Utara
dapat dikatakan terbebas dari multikolinearitas. Nilai VIF serta tolerance dari variabel-variabel peneltian dapat dilihat dari tabel berikut ini.
Tabel 4.8 Hasil Uji Multikolinearitas
Sumber: Output SPSS
Berdasarkan tabel 4.8 di atas dapat disimpulkan penelitian ini bebas dari gejala multikolinearitas. Semua variabel independen memiliki nilai
VIF lebih kecil dari 10. Selain itu, nilai tolerance setiap variabel independen lebih besar dari 0,1. Dengan demikian tidak ada
multikolinearitas dalam model regresi ini.
c. Uji Heteroskedastisitas