Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
69 Normal Parameters
a
Mean .0000000
Std. Deviation 1.11683447
Most Extreme Differences
Absolute .074
Positive .065
Negative -.074
Kolmogorov-Smirnov Z .615
Asymp. Sig. 2-tailed .844
a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2014 Data Diolah Pada Tabel 4.2, diperoleh nilai Asymp. Sig 2-tailed
taraf nyata α, yaitu 0,844 0,05. Hal ini berarti bahwa H
diterima, yang berarti data residual berasal dari distribusi normal.
Nilai Z yang signifikan menunjukkan distribusi yang tidak normal dan nilai Z yang tidak signifikan menunjukkan data berdistribusi normal. Jika sebuah data
outlinear, maka nilai Z yang di dapat lebih besar dari angka +2,5 atau lebih kecil dari angka -2,5. Pada Tabel 4.2, nilai Z adalah 0,615 yang berarti bahwa data tersebut
berdistribusi normal.
4.2.2.2 Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen.
Universitas Sumatera Utara
Tabel 4.3 Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.817
2.652 1.439
.155 ln_ROA
.010 .078
.015 .127 .900
.960 1.042
ln_DER -.320
.143 -.288
- 2.245
.028 .869
1.151 ln_EPS
.027 .047
.070 .560 .578
.924 1.083
ln_Proceed -.032
.094 -.043 -.347
.730 .908
1.101 a. Dependent Variable: Ln_IR
Sumber: Hasil Penelitian, 2014 Data Diolah Tabel 4.3 menunjukkan bahwa semua variabel independen memiliki angka VIF
Variance Inflation Factor lebih kecil dari 5, sedangkan nilai tolerance lebih besar dari 0,1. Hal ini menunjukkan tidak ada masalah multikolinieritas dalam model
regresi.
Universitas Sumatera Utara
4.2.2.3 Uji Autokorelasi
Gejala Autokorelasi dideteksi dengan menggunakan percobaan pengujian The
Runs Test. Tabel 4.4
Runs Test
Unstandardized Residual Test Value
a
.10341 Cases Test Value
34 Cases = Test Value
35 Total Cases
69 Number of Runs
34 Z
-.362 Asymp. Sig. 2-tailed
.717 a. Median
Sumber: Hasil Penelitian, 2014 Data Diolah Pada Tabel 4.4, diperoleh nilai Asymp. Sig 2-tailed
taraf nyata α, yaitu 0,717 0,05. Hal ini berarti bahwa H
diterima, yang berarti data residual berasal dari distribusi normal atau tidak terjadi autokorelasi.
4.2.2.4 Uji Heteroskedastisitas
Untuk mengetahui heteroskedastisitas maka uji yang dilakukan adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatter plot.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot Standardized Predicted Value
Sumber: Hasil Penelitian, 2014 Data Diolah Pada Gambar 4.3 titik-titik data menyebar di atas dan di bawah atau di sekitar
angka 0. Titik-titik data juga tidak membentuk pola bergelombang melebar, menyempit kemudian melebar kembali. Untuk memperoleh tingkat uji
heteroskedastisitas yang lebih signifikan, maka dalam penelitian ini juga dilakukan uji glejser.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .093
1.587 .058
.954 Ln_ROA
-.060 .053
-.145 -1.145
.257 Ln_DER
.104 .084
.163 1.234
.222 Ln_EPS
-.004 .028
-.017 -.136
.893 Ln_Proceed
.021 .056
.049 .377
.708 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2014 Data Diolah Pada Tabel 4.5 diperoleh nilai signifikansi variabel Return on Asset ROA, Debt
to Equity Ratio DER, Earning per Share EPS, dan Proceed lebih besar dari taraf nyata α = 5 . Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala
heteroskedastisitas dalam model regresi ini.
4.2.3 Analisis Regresi Linier Berganda