5.2 Uji Asumsi Klasik
Pengujian ini dilakukan untuk mengetahui apakah ada pelanggaran terhadap asumsi-asumsi klasik yang menjadi dasar dalam model regresi linier berganda.
5.2.1 Uji Normalitas
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal Ghozali, 2006. Hasil dari uji normalitas data dapat dilihat dari grafik pada gambar 5.2
Gambar 5.2 Normal P-Plot
Sumber : Hasil Penelitian, 2013 Data Diolah Gambar 5.2 menunjukkan bahwa data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal grafik P-Plot, pola ini menunjukkan bahwa masing- masing variabel berdistribusi secara normal, maka model regresi memenuhi asumsi
normalitas.
Universitas Sumatera Utara
Hasil dari uji normalitas data juga dapat dilihat dari grafik histogram pada gambar 5.3
Gambar 5.3 Grafik Histogram
Sumber : Hasil Penelitian, 2013 Data Diolah Pola normalitas pada grafik histogram pada gambar 5.3 yang menunjukkan bahwa
grafik histogram memberikan pola distribusi yang normal tidak melenceng ke kiri maupun ke kanan.
Menurut Ghozali 2006 dasar pengambilan keputusan normalitas adalah jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik
histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas dan jika data menyebar jauh dari digonal dan tidak mengikuti arah
garis diagonal atau grafik histogram tidak memenuhi pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya Ghozali, 2006:149. Oleh
Universitas Sumatera Utara
karena itu selain melihat grafik, peneliti menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S yang dapat dilihat pada tabel 5.4
Tabel 5.4 Hasil Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
210 Normal Parameters
Mean
a,b
.0000000 Std. Deviation
.12776254 Most Extreme Differences
Absolute .063
Positive .063
Negative -.057
Kolmogorov-Smirnov Z .908
Asymp. Sig. 2-tailed .382
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2013 Data Diolah Hasil uji statistik dengan menggunakan uji non parametrik Kolmogorov-Smirnov
menunjukkan bahwa variabel ukuran perusahaan, pertumbuhan, resiko keuangan, struktur aktiva, non debt tax shield dan struktur modal memiliki tingkat signifikan diatas
0,05, berarti nilai residual variabel tersebut berdistribusi secara normal.
5.2.2 Uji Multikolonieritas
Menurut Ghozali 2006 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Uji
multikolonieritas dilakukan dengan melihat nilai toleransi dan variance inflation factor VIF. Multikolonieritas terjadi apabila nilai tolerance 0,10 dan nilai VIF 10. Hasil
uji statistik dengan menggunakan uji multikolonieritas dapat terlihat pada tabel 5.5
Universitas Sumatera Utara
Tabel 5.5 Hasil Uji Multikolonieritas
Coefficients
Model
a
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -2.396
.221
-10.820
.055 Ukuran Perusahaan
.263 .022
.471 11.716 .000
.870 1.149
Pertumbuhan .385
.048 .319
8.018 .000
.888 1.126
Risiko Keuangan .364
.072 .222
5.031 .000
.727 1.376
Struktur Aktiva -.285
.126 -.207 -2.281
.024 .171
5.832 LN Non Debt Tax
Shield 1.654
.365 .447
4.528 .000
.145 6.910
a. Dependent Variable: Struktur Modal
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel 5.5 terlihat bahwa tidak terjadi multikolonieritas dimana nilai
VIF untuk variabel ukuran perusahaan, pertumbuhan, risiko keuangan, struktur aktiva dan non debt tax shield lebih kecil dari 10 sedangkan nilai tolerance lebih besar dari 0,1.
Hal ini menunjukkan bahwa indikator variabel faktor-faktor keuangan dalam penelitian ini tidak saling berkolerasi.
5.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain
Ghozali, 2006. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Deteksi
ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar kemudian menyempit pada grafik scatterplot antara
SRESID dan ZPRED.
Universitas Sumatera Utara
Hasil uji statistik hipotesis pertama dengan menggunakan uji heteroskedastisitas dapat terlihat pada gambar 5.6
Gambar 5.6 Grafik Scatterplot Heteroskedastisitas
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan gambar 5.6 terlihat bahwa titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y dan tidak membentuk suatu pola tertentu sehingga penelitian ini terbebas dari masalah heteroskedastisitas.
5.3 Pengujian Hipotesis