ANOVA
b
Model Sum of Squares Df
Mean Square F Sig.
1 Regression 258.366
8 32.296
24.205 .001
a
Residual 8.006
6 1.334
Total 266.371
14 a. Predictors: Constant, interaksi, IRATE, INFRATE, BVEBVD, KURS,
EBITTA, WCTA, RETA b. Dependent Variable: ZScore
Sumber : Hasil Pengolahan Data SPSS Februari 2016 Karena nilai F hitung lebih besar dari F tabel yakni F
hitung
24.205 F
tabel
2.2009 dan nilai signifikansi 0,010,05 maka model regresi dapat digunakan untuk memprediksi ZScore.
4.1.4 Regresi dengan Variabel Pemoderasi
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model
analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputim; Uji normalitas, uji multikolinearitas, uji
heteroskedastisitas dan uji autokorelasi.
4.1.4.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan
melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histrogram yang terlihat
pada gambar 4.1
Universitas Sumatera Utara
Sumber : Hasil Pengolahan Data SPSS Februari 2016
Gambar 4.1 Gambar Grafik Histogram Data Asli
Berdasarkan gambar 4.1 Terlihat bahwa pola distribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak melenceng ke kiri
atau melenceng ke kanan, akan tetapi jika kesimpulan normal atau tidaknya data hanya
dilihat dari grafik histogram, maka hal ini dapat menyesatkan karena jumlah sampel pada penelitian ini kecil.
Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 Berikut :
Universitas Sumatera Utara
Sumber : Hasil Pengolahan Data SPSS Februari 2016
Gambar 4.2 Normal Probability Plot Data Asli
Berdasakan garis profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena
distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat
dilakukan dengan melakukan uji kolmogorov-smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05.
Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 Ghozali, 2007 : 12.
Universitas Sumatera Utara
Tabel 4.17 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 15
Normal Parameters
a
Mean .0000000
Std. Deviation 3.98776965
Most Extreme Differences Absolute
.180 Positive
.125 Negative
-.180 Kolmogorov-Smirnov Z
.698 Asymp. Sig. 2-tailed
.715 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan Data SPSS Februari 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov-smirnov
data Asli diatas terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.005 yaitu sebesar
0.715 dan nilai kolmogorov-smirnov Z sebesar 0.698 lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi
empirik atau dengan kata lain data dikatakan normal.
4.1.4.2Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerence.
Universitas Sumatera Utara
Tabel 4.18 Hasil Uji Multikolinearitas
Sumber : Hasil Pengolahan Data SPSS Februari 2016 Berdasarkan aturan Variance Inflation Factor VIF dan
Tolerance , apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya
apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi multikolinearitas. Dalam penelitian ini data
yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasrkan tabel 4. Diatas diketahui masing-
masing VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi
multikolinearitas.
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
WCTA .003
9.803 RETA
.002 2.012
EBITTA .005
5.206 BVEBVD
.026 9.031
IRATE .234
4.277 INFRATE
.073 3.790
KURS .115
8.725 Interaksi
.004 3.481
a. Dependend Variabel : Zscore
Universitas Sumatera Utara
4.1.4.3 Uji Heteroskedastisitas