Uji Asumsi Klasik Pengaruh Rasio Hutang Dan Kebijakan Dividen Terhadap Nilai Perusahaan Penelitian Pada Perusahaan Sektor Manufaktur Sub Sektor Kimia Yang Terdaftar di Bursa Efek Indonesia

2. Uji Asumsi Klasik

Dalam mencari keabsahan analisis regresi berganda, penelitian akan diuji dengan menggunakan uji asumsi klasik, yang bertujuan untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan hasil yang baik. Adapun empat uji yang terdapat didalam uji asumsi klasik tersebut adalah :

a. Uji Normalitas

Uji normalitas digunakan untuk menguji apakah model regresi mempunyai distribusi normal atau tidak. Asumsi normalitas merupakan persyaratan yang sangat penting dalam pengujian kebermaknaan signifikansi koefisien regresi. Model regresi yang baik adalah model regresi yang memiliki distribusi normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik. Dibawah ini merupakan tabel Uji Normalitas yang telah dilakukan penelitian : Tabel 4.8 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Nilai Perusahaan PBV N 30 Normal Parameters a,b Mean 1.1563 Std. Deviation .85389 Most Extreme Differences Absolute .217 Positive .217 Negative -.164 Kolmogorov-Smirnov Z 1.188 Asymp. Sig. 2-tailed .119 a. Test distribution is Normal. b. Calculated from data. Berdasarkan tabel 4.8 diatas hasil uji Kolmogorov-Smirnov dapat disimpulkan bahwa besarnya nilai uji Kolmogorov-Smirnov adalah 1.188 dengan signifikansi sebesar 0,119 dimana hasil nlai signifikansi tersebut dari 0,05. Dengan demikian Ho diterima dan Ha ditolak dan hal ini berarti juga data terdistribusi normal. Berikut di bawah ini merupakan grafik normal probability plot : Gambar 4.7 Grafik Normal Probability-Plot of Regression Standardized Residual Berdasarkan gambar normal probability plot diatas dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal dan data yang dimiliki terlihat merata dan cukup baik. Hal ini berarti bahwa model regesi tersebut memenuhi asumsi normalitas karena data terdistribusi secara normal.

b. Uji Multikolinieritas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai kolerasi antar sesama variabel independen sama dengan nol. Berikut ini adalah tabel uji multikolinearitas : Tabel 4.9 Tabel Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.605 .507 3.162 .004 Leverage DER -.431 .458 -.179 -.942 .355 .992 1.009 Dividend Yield DY .003 .057 .010 .054 .958 .992 1.009 a. Dependent Variable: Nilai Perusahaan PBV Berikut dibawah ini merupakan dasar acuan dari uji multikolinearitas untuk menjelaskan hasil yang telah diperoleh pada tabel diatas : 1. Jika nilai tolerance 10 persen dari nilai VIF 10, maka dapat disimpulka bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi. 2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinieritas antar variabel independen dalam model regresi. Berdasarkan tabel uji multikolinearitas diatas terdapat nilai tolerance untuk masing-masing variabel, yaitu sebagai berikut : 1. Nilai tolerance leverage adalah 0,992 0,10 2. Nilai tolerance dividien yield adalah 0,992 0,10 Dari hasil nilai tolerance diatas dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. Sedangkan untuk nilai VIF yang diperoleh masing-masing variabel adalah sebagai berikut : 1. VIF variabel leverage adalah 1,009 10 2. VIF variabel dividen yield adalah 1,009 10 Berdasarkan hasil nilai VIF yang diperoleh oleh masing-masing variabel diatas dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas leverage dan dividen yield, artinya bahwa diantara variabel bebas tidak terdapat korelasi yang cukup kuat satu dengan yang lainnya dan data layak digunakan untuk analisis regresi berganda.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas. Untuk menguji homogenitas varian dari residual digunakan uji rank spearman rho, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residul error. Apabila koefisien dari masing-masing variabel independen ada yang signifikan pada tingkat kekeliruan 5 mengindikasi adanya heteroskedastisitas. Berikut dibawah ini adalah tabel uji heteroskedastisitas : Tabel 4.10 Uji Heteroskedastisitas Correlations Leverage DER Dividend Yield DY klp Spearmans rho Leverage DER Correlation Coefficient 1.000 -.031 .139 Sig. 2-tailed . .872 .463 N 30 30 30 Dividend Yield DY Correlation Coefficient -.031 1.000 .045 Sig. 2-tailed .872 . .814 N 30 30 30 Nilai Perusahaan PBV Correlation Coefficient .139 .045 1.000 Sig. 2-tailed .463 .814 . N 30 30 30 Dari tabel diatas dapat diketahui hasil korelasi yang diperoleh bahwa korelasi antara varibel Leverage dan Dividen Yield sebagai berikut : 1. Nilai Correlation Coefficient Leverage adalah sebesar 0,139 0,05 2. Nilai Correlation Coefficient Dividen Yield adalah sebesar 0,463 0,05 Maka berdasarkan hasil diatas dapat kita ketahui bahwa tidak terjadi masalah heteroskedastisistas. Hal ini berarti variabel pengganggu e error memiliki varian yang sama sepanjang observasi dari berbagai nilai dari variabel bebas, hal ini berarti data pada setiap variabel bebas memiliki rentangan yang sama, sehingga dengan ini model regresi layak untuk digunakan dalam melakukan pengujian. Gambar 4.8 Grafik Scatter Plot dari Hasil PEngujian Heteroskedastisitas Berdasarkan Tabel dan Gambar di atas, dapat disimpulkan bahwa apabila dilihat dari gambar scatter plot data yang digunakan menyebar. Artinya bahwa penelitian variable X 1 Leverage DER dan variabel X 2 Dividend Yield DY tidak mengalami mengalami masalah heterokedastisitas.

d. Uji Autokorelasi

Uji Autokorelasi digunakan untuk mengetahui apakah dalam model regresi linier terdapat korelasi antara kesalahan pengganggu pada peride t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Apabila terkjadi korelasi, maka dinamakan ada problem autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi dengan uji Durbin-Watson DW test. Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada veriabel lagi di antara variabel independen. Hipotesis yang akan diuji adalah : Ho : tidak ada autokorelasi Ha : ada aoutokorelasi Dibawah ini adalah tabel uji autokorelasi : Tabel 4.11 Uji Autokorelasi Berdasarkan tabel diatas diperoleh nilai statistic Durbin-Watson D-W adalah sebesar 1,143 sementara tabel d pada tingkat 5 untuk jumlah variabel bebas = 2 dan jumlah pengamatan n = 30 diperoleh batas bawah nilai tabel batas bawah sebesar 1,28373 dan batas atasnya sebesar 1,56661. karena nilai Durbin-Watson model regresi DW 1,143 tidak berada di daerah - maka tidak terdapat autokorelasi pada model regresi.

3. Uji Koefisien Korelasi Pearson