Berdasarkan tabel di atas perusahaan LQ 45 yang memiliki fix asset tertinggi adalah perusahaan PGAS sedangkan perusahaan yang memiliki
asset terendah perusahaan UNSP.
C. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah model regresi variabel dependen, variabel independen atau keduanya mempunyai
distribusi data normal atau mendekati normal. Untuk mengetahui normal atau tidaknya yaitu dengan melihat penyebaran titik-titik pada garis diagonal
maka dikatakan data tersebut memenuhi asumsi normalitas, dan sebaliknya jika data tersebut tidak mengikuti arah garis diagonal, maka data tersebut
tidak memenuhi asumsi normalitas.
Gambar 4.2 Hasil Uji Normalitas
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
pe cted Cum Pro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: y
Sumber : Data diolah
85
Dari gambar di atas, terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal sehingga dapat dikatakan bahwa
data ini memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah data tersebut terdapat korelasi antar variabel bebas Indipendent Variable. Asumsi
multikolinieritas menyatakan bahwa variabel indpenden harus terbebas dari gejala multikolinieritas. Suatu model dikatakan tidak terdapat
multikolinieritas apabila mempunyai nilai VIF di bawah angka 10 dan mempunyai angka tolerance di atas 0.10 Imam Ghazali, 2005. Adapun
hasil dari uji Multikolinieritas pada penelitian ini terlihat pada tabel berikut:
Tabel 4.5 Hasil Uji Multikolinieritas
Coefficients
a
,850 1,176
,991 1,009
,857 1,167
X1 X2
X3 Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: y a.
86
Correlations
1,000 -,699
-,021 ,509
-,699 1,000
-,096 -,378
-,021 -,096
1,000 ,039
,509 -,378
,039 1,000
. ,000
,454 ,001
,000 .
,297 ,015
,454 ,297
. ,414
,001 ,015
,414 .
33 33
33 33
33 33
33 33
33 33
33 33
33 33
33 33
y X1
X2 X3
y X1
X2 X3
y X1
X2 X3
Pearson Correlation
Sig. 1-tailed
N y
X1 X2
X3
Sumber : Data diolah c. Uji Autokorelasi
Uji autokolerasi merupakan pengujian asumsi dalam model regresi dimana variabel independen tidak berkolerasi dengan dirinya sendiri.
Maksud berkolerasi dengan dirinya sendiri adalah bahwa nilai dari variabel independen tidak berhubungan dengan nilai variabel itu sendiri. Dalam
penelitian ini pengujian autokolerasi dilakukan dengan Durbin Watson DW.
Tabel 4.6 Uji Autokorelasi
Model Summary
b
,753
a
,566 ,522
,1388038 1,371
Model 1
R R
Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson Predictors: Constant, X3, X2, X1
a. Dependent Variable: y
b.
Sumber : Data diolah
Berdasarkan tabel Durbin Watson dengan α = 5 dan variabel
independen dalam model regresi adalah 3, serta jumlah sample sebanyak 33,
87
petunjuk dasar pengambilan keputusan ada tidaknya autokorelasi dengan melihat besarnya Durbin Watson Ghozali, 2005 yaitu:
1. Angka DW di bawah -2 terdapat autokorelasi positif 2. Angka DW -2 sampai +2 tidak terdapat autokorelasi
3. Angka DW di atas -2 terdapat autokorelasi negatif. Dari tabel Durbin Watson didapatkan nilai sebesar 0,371, maka dapat
dikatakan penelitian ini tidak terindikasi masalah autokorelasi.
d. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan tujuan untuk menguji apakah dalam model regresi terjadi kesamaan varian dari residual satu
pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas
dan jika berbeda disebut heteroskedastisitas. Dalam penelitian ini, alat yang digunakan untuk pengujian
heteroskedastisitas dengan menggunakan Scaterplot, dengan dasar pengambilan keputusan jika titik-titik menyebar maka tidak terjadi
heteroskedastisitasdan jika titik-titik tidak menyebar maka terjadi heteroskedastisitas. Adapun hasil dari uji heteroskedastisitas terlihat pada
gambar berikut:
88
Gambar 4.7 Hasil Uji Heteroskedastiitas
Regression Standardized Predicted Value
2 1
-1 -2
-3
Regressi on Studentized Re
sidual
2 1
-1 -2
-3
Scatterplot Dependent Variable: y
Sumber : Data diolah
Pada gambar di atas terlihat data sudah menyebar secara acak dan tidak membentuk pola tertentu yang jelas, serta sudah tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. Hal ini mengindikasikan bahwa pada model ini sudah terbebas dari gejala heteroskedastisitas, sehingga model ini
layak dipakai untuk memprediksi variabel dependen berdasrkan masukan variabel independennya.
89
D. Analisis Regresi Berganda a. Uji F Simultan
