terlebih dahulu sebelum melakukan analisis data. Uji prasyarat analisis tersebut adalah uji asumsi klasik yang terdiri dari uji normalitas, uji
multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
a. Uji Normalitas
Uji normalitas dalam penelitian ini dilakukan dengan melihat nilai Asymp.Sig 2-
Tailed
dalam
Kolmogorov-Smirnov
. Uji normalitas dalam penelitian ini menggunakan data nilai residual yang
diuji dengan
Kolmogorov-Smirnov Test
melalui pengukuran tingkat signifikansi 5. Data dikatakan berdistribusi normal apabila
Asymp.Sig 2-
Tailed
lebih besar dari 5 atau 0,05 Ghozali, 2011. Hasil uji normalitas dalam penelitian ini dapat dilihat dari tabel 4
berikut: Tabel 4. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parameters
a,b
Mean
0E-7
Std. Deviation
.18749432
Most Extreme Differences Absolute
.067
Positive
.067
Negative
-.058
Kolmogorov-Smirnov Z
.658
Asymp. Sig. 2-tailed
.780 a.
Test distribution is Normal.
b.
Calculated from data.
Sumber : Lampiran 7, halaman 83
Hasil analisis residual pada tabel 4 menyatakan bahwa nilai signifikansi dari fungsi regresi variabel profitabilitas, struktur aktiva,
dan ukuran perusahaan adalah sebesar 0,780. Nilai tersebut lebih besar dari 0,05, sedangkan dari grafik normal plot dapat dilihat bahwa data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Dari hasil tersebut dapat disimpulkan bahwa fungsi regresi dari
keempat variabel tersebut telah berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas dalam penelitian ini dilakukan dengan melihat nilai
tolerance
dan
variance inflation factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Nilai
cut-off
yang dipakai
untuk menunjukkan adanya multikolinearitas adalah nilai
tolerance
≤ 0,10
dan nilai VIF ≥ 10 Ghozali, 2011. Ringkasan hasil uji multikolinearitas penelitian ini dapat dilihat dalam tabel 5 berikut:
Tabel 5. Hasil Uji Multikolinearitas
Coefficients
a
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B
Std. Error
Beta
Tolerance
VIF
1 Constant
.321 .350
.917 .361 ROA
-.417 .309
-.151 -1.349 .181 .712 1.404
SA .357
.109 .364 3.283 .001
.725 1.379
SIZE
.001 .014
.010 .087 .931
.638 1.567
a. Dependent Variable: DER
Sumber : Lampiran 8, halaman 84 Berdasarkan tabel 5, hasil perhitungan nilai
tolerance
menunjukkan bahwa tidak ada variabel independen yang memiliki nilai toleransi 0,10 dan tidak ada nilai VIF 10. Hal ini dapat
disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi multikolinearitas dan model regresi layak digunakan.
c. Uji Autokorelasi
Pengujian autokorelasi dilakukan dengan metode
Durbin Watson
DW-Test
. Uji autokorelasi dalam penelitian ini dideteksi dengan melihat nilai
Durbin Watson
dalam tabel pengambilan keputusan. Hasil uji autokorelasi dalam penelitian ini dapat dilihat
pada tabel 6 berikut:
Tabel 6. Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .423
a
.179 .152
.19052677 2.108
a.
Predictors: Constant, SIZE,
SA, ROA b.
Dependent Variable:
DER Sumber : Lampiran 9, halaman 85
Tabel 7. Tabel
Durbin Watson
Sumber: www.standford.edu