Pengujian Asumsi Klasik Model 1 Sub-Struktur 1

5.2.1. Pengujian Asumsi Klasik Model 1 Sub-Struktur 1

5.2.1.1 Normalitas data Uji statistik untuk menguji normalitas residual pada penelitian ini dengan menggunakan uji statistik non parametrik Kolmogrov-Smirnof 1-sample K-S test Hipotesis: Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal Kriteria: 1. Ho diterima apabila nilai signifikan asymp. Sig 0,05 2. Ha diterima apabila nilai signifikan asymp. Sig 0,05 Tabel 5.2. One-Sampel Kolmogrov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 42 Mean .0000000 Normal Parameters a,,b Std. Deviation .38565860 Absolute .136 Positive .130 Most Extreme Differences Negative -.136 Kolmogorov-Smirnov Z .880 Asymp. Sig. 2-tailed .420 a. Test distribution is Normal. b. Calculated from data. Sumber: Lampiran 7 Dari hasil uji statistik diperoleh nilai Kolmogrov-Smirnov sebesar 0,880 dan tidak signufikan pada α = 0,05 asymp. Sig = 0,420 0,05 sehingga hipotesis Ho Universitas Sumatera Utara diterima, yang mengatakan data residual berdistribusi normal. Dengan demikian model regresi memenuhi asumsi normalitas. 5.2.1.2. Uji multikolinearitas Uji multikolinearitas pada penelitian ini bertujuan untuk untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Nilai cut off umumnya digunakan untuk menunjukkan tidak adanya multikolonearitas apabila nilai Tolerance ≥ 0,01 atau sama dengan nilai VIF ≤10 Tabel 5.3. Collinearity Statistics Coefficienta a. Dependent Variabel : BM_Y Collineariti Statistics Model Tolerance VIF 1 DAU_ XI .6,41 1,559 DAK_X2 .615 1,576 PAD_X3 .932 1,073 Sumber: Lampiran 7 Hasil uji statistik nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10, dan demikian juga hasil perhitungan Variance Inflation Factor VIF lebih kecil dari 10. Universitas Sumatera Utara 5.2.1.3. Uji heteroskedastisitas Uji heteroskedastisitas pada penelitian ini bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual dari suatu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika berbeda disebut heteroskedastisitas. Grafik scaterplots pada Gambar 5.1 menunjukkan bahwa titik menyebar secara acak serta tersebaar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak membentuk pola teratur, yang mengindikasikan tidak terjadi heteroskedastisitas. Sumber: Lampiran 7 Gambar 5.1. Scatterplot Model 5.2.1.4. Uji autokorelasi Uji autokorelasi pada penelitian ini bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Pengambilan keputusan ada tidaknya Universitas Sumatera Utara autokorelasi menurut santoso 2002:218 dengan cara melihat besaran Durbin Watson DW sebagai berikut: a Angka DW -2, berarti autokorelasi Positif; b Angka DW diantara -2 sampai +2 berarti tidak ada autokorelasi;c Angka DW diatas +2, berarti ada autokorelasi negative; Tabel 5.4. Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .608 a .370 .320 .40059 1.712 a. Predictors: Constant, LN_PAD, LN_DAU, LN_DAK b. Dependent Variable: LN_BM Sumber: Lampiran 7 Jika nilai Durbin Watson diantara -2 sampai 2 maka tidak Autokorelasi. Dari output SPSS nilai Durbin Watson 1.712 maka model ini terbebas dari asumsi klasik autokorelasi. Dari gambar diatas dapat dilihat bahwa DW didaerah tidak Autokorelasi. Sehingga disimpulkan bahwa model regresi linear terbebas dari asumsi klasik statistik autokorelasi.

5.2.2. Pengujian Asumsi Klasik Sub-Struktur 2