commit to user 34
Tabel 1 Stattistik Residual variabel Terikat dan Variabel Bebas
Residuals Statistics
a
Minimum Maximum
Mean Std. Deviation
N INSDR
.0469 .6262
.2975 .13200
75 SIZE
-1.898 2.491
.000 1.000
75 ASSET
.031 .094
.051 .013
75 INST
.0415 .6212
.2988 .13239
75 a. Dependent Variable: DR
Sumber : Hasil Olah Data 2010
Analisis regresi berganda meliputi berbagai perhitungan dan pengujian yaitu penentuan persamaan regresi, perhitungan koefisien
determinasi, pengujian signifikansi variabel independen, pengujian signifikansi model, dan pengujian asumsi klasik untuk menjamin bahwa
model atau persamaan yang terbentuk layak untuk diterapkan sebagai alat prediksi.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui sebaran data yang digunakan dalam penelitian terdistribusi secara normal
atau tidak. Uji ini dilakukan dengan menggunakan metode Kolmogorov Smirnov.
commit to user 35
Rangkuman hasil uji normalitas adalah sebagaimana disajikan pada tabel 2 berikut ini :
Tabel 2. Rangkuman Hasil Uji Normalitas
Variabel N
Nilai Probalitas P Keterangan
P a
Residu 75
0,606 0,05
normal Sumber : Hasil Olah Data 2010
Berdasarkan hasil perhitungan uji Kolmogorov Smirnov dapat diketahui bahwa variabel residual yang dipergunkan untuk
analisis normalitas menghasilkan nilai 0,606, yang artinya bahwa residual dalam penelitian ini memiliki sebaran data yang normal.
b. Uji Heteroskedastisitas.
Uji heteroskedastisitas ini digunakan untuk mengetahui apakah semua variabel bebas mempunyai varian kesalahan
pengganggu yang sama dalam model regresi. Kriteria dari uji ini yaitu jika sig. 0,05 berarti terjadi heteroskedastisitas. Dan jika sig.
0,05 berarti tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas adalah sebagaimana disajikan
pada Tabel 3 berikut ini :
commit to user 36
Tabel 3 Hasil Uji Heteroskedastisitas
Variabel Sig
a
Kesimpulan INSDR
SIZE ASSET
INST 0,066
0,649 0,080
0,435 0,05
0,05 0,05
0,05 Tidak terjadi Heteroskedastisitas
tidak terjadi Heteroskedastisitas tidak terjadi Heteroskedastisitas
tidak terjadi Heteroskedastisitas Sumber : Hasil Olah Data 2010
Dari hasil tersebut pada tingkat signifkasi 5 semua variabel tidak mengalami heteroskedastisitas yaitu dengan tingkat
signifikansi 0,05, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam persamaan.
c. Uji Autokorelasi
Suatu asumsi penting dari model linear klasik adalah tidak adanya autokolerasi atau kondisi yang berurutan diantara gangguan
atau distribusi yang masuk dalam fungsi regresi. Autokolerasi dapat diartikan sebagai kolerasi yang terjadi diantara anggota-anggota dari
serangkaian observasi yang terletak berderetan secara series dalam bentuk waktu jika time series atau korelasi antara tempat yang
berdekatan, jika datanya cross sectional. Uji autokorelasi yang digunakan untuk mendeteksi ada
tidaknya autokorelasi adalah uji Durbin Watson. Jika nilai Durbin
commit to user 37
Watson DW-test terletak antar d
U
dan 4-d
U
maka tidak terjadi autokorelasi dalam model.
Berdasarkan hasil perhitungan diperoleh nilai Durbin Watson sebesar 1,794 pada tabel statistik dengan menggunakan level of
signifikan 5 , K = 3 dan N = 75 diperoleh d
L
= 1,462 dan d
U
= 1,628. Karena nilai 1,794 berada di atas batas atas d
U
dan berada di bawah 4 - d
U
maka dapat disimpulkan bahwa regresi yang diteliti telah terbebas dari masalah autokorelasi.
d. Uji Multikolinearitas
