Uji Normalitas Uji Heteroskedastisitas

Dapat dilihat melaui tabel 4.4 bahwa nilai rata-rata Size perusahaan dari tahun 2009 hingga tahun 2013 juga terus mengalami peningkatan dari tahun ke tahun, yaitu 28,80; 29,07; 29,33; 29,53 dan 29,71.

4.1.2 Uji Asumsi Klasik

Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus memenuhi uji asumsi klasik.

4.1.2.1 Uji Normalitas

Uji normalitas dilakukan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya. Sumber : Hasil olahan SPSS 17.0 for windows 14 September 2014, diolah Gambar 4.1 Normal P-P Plot Universitas Sumatera Utara Pada Gambar 4.1 terlihat titik-titik yang tersebar memotong garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal. Untuk lebih memastikan apakah data disepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 Sample KS yakni dengan melihat data residualnya apakah distribusi normal atau tidak. Jika nilai Asym.sig 2-tailed tara f nyata α = 0.05 maka data residual berdistribusi normal. Tabel 4.5 Uji Normalitas One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstand ardized Residual N 45 Normal Parameters a,,b Mean .0000000 Std. Deviation 3.87702352 Most Extreme Differences Absolute .068 Positive .068 Negative -.061 Kolmogorov-Smirnov Z .459 Asymp. Sig. 2-tailed .984 a. Test distribution is Normal. b. Calculated from data. Dari Tabel 4.5 dapat dilihat bahwa Asymp. Sig 2-tailed adalah sebesar 0,984 lebih besar dari taraf nyata α = 0,05. Dengan demikian dapat disimpulkan bahwa data residual berdistribusi normal. Universitas Sumatera Utara

4.1.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Heteroskedastisitas dapat dideteksi denga melihat penyebaran plot melalui gambar scatterplot sebagai berikut : Sumber : Hasil olahan data SPSS 17.00 for windows 14 September 2014, diolah Gambar 4.2 Scatterplot Pada Gambar 4.2 terlihat bahwa titik-titik yang menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini memenuhi salah satu asumsi bahwa tidak terjadi Universitas Sumatera Utara heteroskedastisitas pada model regresi. Tabel 4.6 menampilkan hasil pengujian heteroskedastisitas dengan uji glejser. Tabel 4.6 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta Constant 16.047 7.293 2.200 .033 Inventory Turnover .382 .247 .617 1.545 .130 Receivable Turnover -.168 .094 -.619 -1.791 .081 Size -.465 .266 -.392 -1.746 .088 a. Dependent Variable: Absut Sumber : Hasil olahan data SPSS 17.00 for windows 14 September 2014, diolah Berdasarkan Tabel 4.6 variabel independen tidak ada yang signifikan secara statisitik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, maka dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

4.1.2.3 Uji Autokorelasi