Berdasarkan pada tabel 4.7, dapat dilihat bahwa dengan melakukan Kolmogorov-Smirnov test pada seluruh variabel diketahui mempunyai
nilai signifikasi lebih besar dari 0,05 atau 5. Hal ini berarti data berdistribusi normal atau asumsi normalitas data terpenuhi.
4.4 Hasil Pengujian Asumsi Klasik
4.4.1 Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Heteroskedastisitas diidentifikasikan dengan koefisien korelasi Rank Spearman. Untuk mengetahui ada atau tidaknya
gejala heteroskedastisitas maka perlu dilihat tingkat signifikasi koefisien korelasi Rank Spearman untuk semua variabel bebas terhadap residual
dengan kriteria lebih besar dari 0,05 5, seperti pada tabel 4.8:
Tabel 4.8 Hasil Uji Heteroskedastisitas dengan Korelasi Rank
Spearman Variabel
Taraf Signifikansi
Dari Korelasi Rank Spearman
atau Taraf
Uji Kesimpulan
Debt to Equity Ratio Transform X
1
0,239 0,05
Non Heteroskedastisitas
Return On Assets X
2
0,893 0,05
Non Heteroskedastisitas
Return On Equity Transform X
3
0,342 0,05
Non Heteroskedastisitas
Sumber: Lampiran 6 Dari hasil pengujian heteroskedastisitas diperoleh tingkat
signifikansi dari korelasi Rank Spearman lebih besar dari taraf level of
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
signifikan yaitu 5 0,05. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
4.4.2 Hasil Uji Autokorelasi
Uji autokolerasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas
dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series. Untuk mengetahui ada atau tidaknya gejala
autokorelasi maka perlu dilihat kriteria Durbin Watson sebagai berikut Ghozali, 2009: 99-100:
Tabel 4.9 Hasil Uji Autokorelasi dengan Durbin Watson
Variabel Nilai DW
Test Ketentuan Daerah
Keterangan
0 - 1,295 ada autokorelasi
Debt to Equity Ratio Transform X
1
1,295 - 1,654 daerah ketidak pastian
1,654 - 2,346 tidak ada autokorelasi
Return On Assets X
2
2,346 - 2,705 daerah ketidak pastian
2,705 - 4 ada autokorelasi
Return On Equity Transform X
3
2,342 Tidak Ada
Autokorelasi
Sumber: Lampiran 7 dan Lampiran 8 Berdasarkan pada tabel 4.9, dapat dilihat bahwa nilai DW 2,342
lebih besar dari batas atas du 1,654 dan kurang dari 2,346 4 – du. Maka dapat disimpulkan bahwa tidak ada autokorelasi atau bebas autokorelasi.
4.4.3 Hasil Uji Multikolonieritas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Alat uji
yang digunakan untuk mengetahui ada tidaknya multikolonieritas dalam penelitian ini dengan melihat besarnya nilai variance inflation factor
VIF. Dasar analisis yang digunakan yaitu jika nilai variance inflation factor VIF 10. Untuk mengetahui terdapat atau tidaknya
multikolonieritas dapat dilihat dari hasil pengujian dengan SPSS 17.0 sebagai berikut:
Tabel 4.10 Hasil Uji Multikolonieritas dengan Nilai VIF Variabel Bebas
VIF Kesimpulan
Debt to Equity Ratio Transform X
1
2,994 Non Multikolonieritas
Return On Assets X
2
6,006 Non Multikolonieritas
Return On Equity Transform X
3
8,758 Non Multikolonieritas
Sumber: Lampiran 7 Berdasarkan hasil dalam tabel 4.10, menunjukkan bahwa nilai
Variance Inflation Factor VIF dari semua variabel bebas meliputi: Debt to Equity Ratio Transform X
1
, Return On Asset X
2
, dan Return On Equity Transform X
3
, memperlihatkan nilai yang kurang dari 10. Hal ini mengindikasikan bahwa tidak terdapat adanya gejala multikolonieritas.
4.5 Hasil Analisis Regresi Linier Berganda