Hasil Pengujian Normalitas Hasil Pengujian Heterokedastisitas

51

4.2.2. Pengujian Asumsi Klasik

Pada sub bab ini akan dijelaskan mengenai output hasil pengolahan data menggunakan SPSS. Output tersebut kemudian dapat digunakan sebagai acuan dalam pengujian asumsi klasik seperti uji normalitas, uji heterokedastisitas, uji multikolinieritas dan uji autokorelasi.

4.2.2.1. Hasil Pengujian Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal sehingga meskipun sampel memiliki jumlah yang sedikit namun tetap valid Ghozali, 2005.Dalam penelitian ini, uji normalitas dilakukan dengan analisis grafik dan uji statistik. Analisis grafik dapat dilakukan dengan cara melihat grafik Histogram dan Normal P-Plot. Sedangkan uji statistik dilakukan dengan menggunakan uji statistic nonparametrik Klomogrov Smirnov.Hasil pengujian normalitas data dalam penelitian ini dapat dilihat pada gambar dan tabel berikut. 52 Gambar 4.1 Grafik Histogram Sumber : Data sekunder yang diolah, 2015 Dari grafik Histogram, tampak residual terdistribusi secara normal dan berbentuk simetris tidak melenceng ke kanan atau ke kiri.Sedangkan pada grafik Normal P-Plot, titik menyebar berhimpit di sekitar diagonal.Berdasarkan grafik Histogram dan Normal P-Plot dapat diambil kesimpulan bahwa data yang digunakan terdistribusi secara normal. 53 Gambar 4.2 Grafik Normal P-Plot Sumber : Data sekunder yang diolah, 2015 Untuk lebih meyakinkan bahwa data yang digunakan pada model regresi terdistribusi secara normal, maka selanjutnya dilakukan uji statistik dengan menggunakan uji nonparamaetrik Klomogrov Smirnov. Tabel 4.3 Uji Nonparametrik Klomogrov Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 45 Normal Parameters a,b Mean .0000000 Std. Deviation .02733109 Most Extreme Differences Absolute .080 Positive .069 Negative -.080 Kolmogorov-Smirnov Z .534 Asymp. Sig. 2-tailed .938 a. Test distribution is Normal. Sumber : Data sekunder yang diolah, 2015 54 Berdasarkan uji statistik nonparametric Klomogrov Smirnov, besarnya nilai Klomogrov Smirnov sebesar 0,534 dan nilai Asymp.Sig. sebesar 0,938. Nilai tersebut jauh lebih besar dari 0,05, sehingga dapat diambil kesimpulan data terdistribusi secara normal.

4.2.2.2. Hasil Pengujian Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Uji heterokedastisitas dalam penelitian ini dapat dilakukan dengan melihat grafik Scatterplot.Selain melihat grafik Scatterplot, penelitian ini juga menggunakan uji statistik Glejser agar hasil pengujian heterokedastisitas lebih akurat dan terpercaya.Hasil pengujian heterokedastisitas dapat dilihat dalam gambar dan tabel berikut. Gambar 4.3 Grafik Scatterplot Sumber : Data sekunder yang diolah, 2015 55 Tabel 4.4 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .155 .086 1.816 .078 KEP_INST .013 .012 .177 1.118 .271 KOM_AUD -.009 .005 -.273 -1.792 .082 DK_IND -.004 .030 -.022 -.135 .893 LEV -.004 .003 -.211 -1.260 .216 SIZE -.004 .003 -.216 -1.294 .204 ROA -.036 .032 -.189 -1.136 .264 Z_Score .000 .000 -.213 -1.403 .169 CR -.003 .003 -.150 -.947 .350 a. Dependent Variable: RES_2 Sumber : Data sekunder yang diolah, 2015 Dalam grafik Scatterplot tersebut terlihat bahwa tidak terdapat pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Sedangkan pada tabel 4.4 hasil uji Glejser menunjukkan bahwa tidak ada satupun variabel independen yang signifikan mempengaruhi variabel dependen nilai Residual RES_2. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 0,05. Berdasarkan grafik Scatterplot dan uji Glejser, dapat disimpulkan bahwa model regresi tidak mengandung adanya heterokedastisitas. 56 4.2.2.3.Hasil Pengujian Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antar variabel independen bebas. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi dalam penelitian ini dapat diketahui dengan melihat nilai tolerance dan variance inflation factor VIF. Berdasarkan nilai tolerance pada tabel 4.5, bahwa tidak ada nilai variabel independen yang memiliki nilai tolerance kurang dari 0,10, yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai variance inflation factor VIF juga menunjukkan tidak ada variabel independen yang memiliki nilai VIF lebih dari 10.Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. Tabel 4.5 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .748 .167 4.483 .000 KEP_INST -.063 .023 -.376 -2.741 .009 .828 1.208 KOM_AUD -.037 .010 -.504 -3.806 .001 .889 1.124 DK_IND -.027 .059 -.063 -.449 .656 .803 1.245 LEV -.007 .006 -.182 -1.253 .218 .738 1.355 SIZE -.017 .006 -.441 -3.039 .004 .741 1.349 ROA .064 .063 .147 1.020 .314 .745 1.342 Z_Score 3.672E-5 .001 .008 .061 .952 .895 1.118 CR -.012 .006 -.286 -2.071 .046 .817 1.224 a. Dependent Variable: CoL Sumber : Data sekunder yang diolah, 2015 57

4.2.2.4. Hasil Pengujian Autokorelasi