78
Tabel 5.6 Hasil Uji One-Sample Kolmogorov-Smirnov Test Hipotesis Pertama Seluruh Variabel
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
30 Normal Parameters
a
Mean .0000000
Std. Deviation 1.74644021
Most Extreme Differences
Absolute .119
Positive .111
Negative -.119
Kolmogorov-Smirnov Z .652
Asymp. Sig. 2-tailed .789
a. Test distribution is Normal. b. Calculated From Data.
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel 5.6, jika uji non parametrik Kolmogorov-Smirnov diuji
secara keseluruhan variabel, nilai residual variabel juga berdistribusi secara normal.
5.2.2 Uji Multikolonieritas Hipotesis Pertama
Menurut Ghozali 2006:95 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas
independen. Uji multikolonieritas dilakukan dengan melihat nilai toleransi dan variance inflation factor VIP. Multikolonieritas terjadi apabila nilai tolerance
0,10 dan nilai VIP 10. Hasil
uji statistik hipotesis
pertama dengan
menggunakan uji
multikolonieritas dapat terlihat pada tabel 5.7
Universitas Sumatera Utara
79
Tabel 5.7 Hasil Uji Multikolonieritas Hipotesis Pertama
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -13.235
22.259 -.595 .558
FirmSize .267
.768 .044
.348 .731 .507
1.971 Investment
PerformanceROA 38.373
8.118 .789 4.727 .000
.296 3.373
OPM -9.243
6.750 -.253 -1.369 .184
.242 4.134
PER .504
.094 .582 5.343 .000
.695 1.438
SurplusGrowth .946
1.094 .089
.865 .396 .784
1.276 LiquidityCR
.605 .456
.155 1.327 .198 .603
1.658 a. Dependent Variable: Zscore
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel 5.7 terlihat bahwa tidak terjadi multikolonieritas dimana
nilai VIP untuk variabel firm Size, Investment PerformanceROA, OPM, PER, Surplus Growth dan LiquidityCR lebih kecil dari 10 sedangkan nilai tolerance
lebih besar dari 0,10. Hal ini menunjukkan bahwa indikator variabel faktor-faktor keuangan dalam penelitian ini tidak saling berkolerasi.
5.2.3 Uji Heteroskedastisitas Hipotesis Pertama
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain Ghozali, 2006:125. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar kemudian
menyempit pada grafik scatterplot antara SRESID dan ZPRED.
Universitas Sumatera Utara
80 Hasil
uji statistik hipotesis
pertama dengan
menggunakan uji
heteroskedastisitas dapat terlihat pada gambar 5.4
Gambar 5.4 Grafik Scatterplot Heteroskedastisitas Hipotesis Pertama
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan gambar 5.4 terlihat bahwa titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y dan tidak membentuk suatu pola tertentu sehingga penelitian ini terbebas dari masalah heteroskedastisitas.
Untuk menganalisis terjadinya heteroskedastisitas dalam penelitian juga dapat dilihat dari hasil uji koefisien korelasi spearman pada tabel 5.8.
Universitas Sumatera Utara
81
Tabel 5.8 Hasil Uji Koefisien korelasi spearman Hipotesis Pertama
Correlations
FirmSize Investment
Performance ROA
OPM PER SurplusG
rowth Liquidi
tyCR Zscore
Unstanda rdized
Residual Spear
mans rho
FirmSize Correlation
Coefficient 1.000
.412 -.126 .169
-.065 -.069 .555
-.028 Sig. 2-tailed
. .024
.507 .373 .733
.717 .001
.882 N
30 30
30 30
30 30
30 30
Investment Performance
ROA Correlation
Coefficient .412
1.000 .598 .168
.100 .268 .852
-.010 Sig. 2-tailed
.024 .
.000 .374 .598
.152 .000
.957 N
30 30
30 30
30 30
30 30
OPM Correlation
Coefficient -.126
.598 1.000 .212
.052 .384
.340 .072
Sig. 2-tailed .507
.000 . .261
.786 .036
.066 .707
N 30
30 30
30 30
30 30
30 PER
Correlation Coefficient
.169 .168
.212 1.00
-.410 -.125
.426 -.211
Sig. 2-tailed .373
.374 .261
. .024
.510 .019
.264 N
30 30
30 30
30 30
30 30
SurplusGrowth Correlation
Coefficient -.065
.100 .052
- .410
1.000 .231
.020 -.070
Sig. 2-tailed .733
.598 .786 .024
. .219
.915 .713
N 30
30 30
30 30
30 30
30 LiquidityCR
Correlation Coefficient
-.069 .268
.384 -.125
.231 1.000 .243
-.143 Sig. 2-tailed
.717 .152
.036 .510 .219
. .197
.450 N
30 30
30 30
30 30
30 30
Zscore Correlation
Coefficient .555
.852 .340 .426
.020 .243 1.000
-.041 Sig. 2-tailed
.001 .000
.066 .019 .915
.197 .
.831 N
30 30
30 30
30 30
30 30
Unstandardized Residual
Correlation Coefficient
-.028 -.010
.072 -.211 -.070
-.143 -.041
1.000 Sig. 2-tailed
.882 .957
.707 .264 .713
.450 .831
. N
30 30
30 30
30 30
30 30
. Correlation is significant at the 0.05 level 2-tailed. . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel 5.8 tersebut dapat dilihat bahwa nilai korelasi semua
variabel independen dengan unstandardized residual yang signifikan lebih besar dari 0,05 sehingga dapat disimpulkan bahwa tidak terjadi masalah
heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
82
5.2.4 Uji Auto Korelasi Hipotesis Pertama
