60
4.2.2 Uji Asumsi Klasik
Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah terpenuhinya semua asumsi klasik, agar
hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik pada penelitian ini meliputi normalitas data, heteroskedastisitas, dan multikolonearitas,
dan autokorelasi agar hasil pengujian tidak bersifat bias dan efisien. Hasil uji asumsi klasik disajikan sebagai berikut:
1. Uji Normalitas a. Pendekatan Histogram Jarque-Bera
Uji Normalitas dengan pendekatan Jarque-Bera dapat dilihat pada Gambar 4.1 berikut:
2 4
6 8
10 12
14 16
-3 -2
-1 1
2 3
4
Series: Residuals Sample 1 88
Observations 88 Mean
6.12e-15 Median
-0.337637 Maximum
3.900385 Minimum
-3.458301 Std. Dev.
1.693232 Skewness
0.081181 Kurtosis
2.761421 Jarque-Bera
0.305364 Probability
0.858403
Sumber: Hasil Penelitian, 2016 Data Diolah
Gambar 4.1 Histogram Jarque Bera
Berdasarkan Gambar 4.1 terlihat bahwa nilai Jarque-Bera sebesar 0,305364 nilai kritis chi-kuadrat 9,48773, dengan tingkat signifikansi sebesar 0,8584030,05.
Dengan demikian sesuai kriteria pengujian, maka dapat disimpulkan bahwa data terlah berdistribusi normal.
b. Pendekatan QQ Plot
Universitas Sumatera Utara
61 Uji Normalitas dengan pendekatan QQ Plot dapat dilihat pada Gambar 4.2
berikut:
-6 -4
-2 2
4 6
-4 -3
-2 -1
1 2
3 4
Quantiles of RESID Q
u a
n ti
le s
o f
N o
rm a
l
Sumber: Hasil Penelitian, 2016 Data Diolah
Gambar 4.2 QQ Plot
Berdasarkan Gambar 4.2 QQ Plot terlihat bahwa titik-titik penyebaran data berada disekitar sumbu diagonal dari grafik. Dengan demikian dapat disimpulkan bahwa
data telah berdistribusi secara normal. 2. Uji Heteroskedastisitas Pendekatan Glejser
Deteksi heteroskedastisitas dilakukan dengan uji Glejser. Hasil uji Glejser dapat dilihat pada Tabel 4.2 berikut:
Tabel 4.2 Uji Glejser
Heteroskedasticity Test: Glejser F-statistic
2.284128 Prob. F4,83 0.0671
ObsR-squared 8.726324 Prob. Chi-Square4
0.0683 Scaled explained SS
7.573200 Prob. Chi-Square4 0.1085
Test Equation: Dependent Variable: ARESID
Method: Least Squares Date: 112916 Time: 22:50
Sample: 1 88 Included observations: 88
Variable Coefficient
Std. Error t-Statistic
Prob.
Universitas Sumatera Utara
62
C 0.237935
2.465593 0.096502
0.9234 SUKU_BUNGA
-0.036599 0.161047
-0.227257 0.8208
PERINGKAT_OBLIGASI 0.147182
0.077544 1.898046
0.0612 SIZE
0.090024 0.353624
0.254574 0.7997
DER -0.053497
0.035152 -1.521883
0.1318
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan Tabel 4.2 terlihat bahwa tingkat signifikansi variabel Suku Bunga sebesar 0,82080,05, tingkat signifikansi Peringkat Obligasi sebesar 0,06120,05,
tingkat signifikansi Ukuran Perusahaan Size sebesar 0,79970,05, dan tingkat signifikansi Debt to Equity Ratio DER sebesar 0,13180,05. Maka berdasarkan
pengujian tersebut terlihat bahwa tidak satupun variabel independen yang secara statistik berpengaruh signifikan terhadap variabel Absolut Residual ARESID
sehingga dapat disimpulkan bahwa data tidak mengarah adanya heteroskedastisitas.
3. Uji Multikolonearitas Asumsi selanjutnya yang harus dipenuhi adalah asumsi non multikolonearitas.
Hasil Uji Multikolonearitas dapat dilihat pada Tabel 4.3 berikut:
Tabel 4.3 Uji Multikolonearitas
Variance Inflation Factors Date: 112916 Time: 22:51
Sample: 1 88 Included observations: 88
Coefficient Uncentered
Centered Variable
Variance VIF
VIF C
20.18284 591.0044
NA SUKU_BUNGA
0.086108 110.4624
1.008680 PERINGKAT_OBLIGASI
0.019963 28.69753
2.241692 SIZE
0.415167 753.5866
3.170544 DER
0.004102 5.979512
1.664334
Sumber: Hasil Penelitian, 2016 Data Diolah
Universitas Sumatera Utara
63 Berdasarkan Tabel 4.3 terlihat bahwa nilai VIF seluruh variabel independen 10
sehingga berdasarkan kriteria pengujian maka dapat disimpulan bahwa antar variabel bebas tidak terjadi gejala multikolonearitas.
4.2.3 Analisisi Regresi Linier Berganda Data Panel 4.2.3.1 Common Effect Model CEM