gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Berikut adalah hasil dari uji asumsi klasik:
5.1.2.1 Uji Normalitas
Uji normalitas digunakan untuk menguji apakah di dalam model regresi antara variabel dependen dan independen berdistribusi normal atau tidak. Uji normalitas
dilakukan dengan One Sample Kolmogorov Smirnov Test. Kriteria pengujian dilakukan dengan melihat tingkat signifikansi p-value. Jika p-value lebih besar dari
0,05 maka data penelitian dinyatakan normal, dan sebaliknya jika p-value lebih kecil atau sama dengan 0,05 maka data penelitian dinyatakan tidak normal Hinton, 2004.
Berikut ini hasil uji normalitas yang diolah menggunakan SPSS 17:
Tabel 5. 2. Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
WR DCA
DLA ABN_CFO ABN_DISEXP LOG_TAS
N 41
41 41
41 41
41 Normal
Parameters
a
Mean 1.0004691 .0054917
.0239550 -.0001163
-.0026560 1.1663915E1
Std. Deviation
.00103257 .06578381 .08730496
.03913684 .04018524
1.95537577E0 Most Extreme
Differences Absolute .132
.099 .111
.138 .160
.206 Positive
.132 .074
.111 .138
.100 .137
Negative -.087 -.099
-.072 -.089
-.160 -.206
Kolmogorov-Smirnov Z .843
.634 .709
.882 1.024
1.318 Asymp. Sig. 2-tailed
.477 .816
.697 .417
.245 .062
Test distribution is Normal. Calculated from data
Sumber: hasil pengolahan data statistik menggunakan SPSS 17
Universitas Sumatera Utara
Berdasarkan tabel uji normalitas di atas diketahui bahwa seluruh data variabel penelitian memiliki nilai p-value
lebih besar dari taraf signifikansi yang ditolerir α = 0,05 yaitu nilai Asymp. Sig. 2-tailed 0,05 Dengan demikian variabel penelitian
ini memiliki pola distribusi data yang normal.
5.1.2.2. Uji Multikolinearitas
Multikolinearitas adalah situasi adanya multi korelasi diantara variabel bebas satu dengan yang lainnya atau dengan kata lain diantara variabel-variabel bebas
tersebut dapat dibentuk hubungan antara variabel yang satu dengan variabel yang lainnya.
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Dalam model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Uji Multikolinearitas dilakukan dengan melihat nilai tolerance dan variance inflation
faktor VIF dari hasil analisis dengan menggunakan SPSS 17. Apabila nilai tolerance value lebih tinggi daripada 0,10 0,10 atau VIF lebih kecil daripada 10 VIF 10
maka dapat disimpulkan tidak terjadi multikolinearitas. Santoso 2002. Hasil uji multikolinearitas penelitian ini yang diolah dengan menggunakan SPSS 17 di
tunjukkan pada tabel berikut:
Universitas Sumatera Utara
Tabel 5. 3. Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 DCA
.908 1.101
DLA .820
1.219 ABN_CFO
.884 1.131
ABN_DISEXP .947
1.055 LOG_TAS
.857 1.166
a. Dependent Variable: WR Sumber: hasil pengolahan data statistik menggunakan SPSS 17
Berdasarkan tabel di atas semua variabel independen mempunyai nilai VIF kurang dari 10 VIF 10 dan nilai tolerance semua variabel independen lebih besar
daripada 0,1 Tolerance 0,1. Hal ini berarti tidak terdapat masalah multikolinearitas antar variabel.
5.1.2.3. Uji Heteroskedastisitas