53
terdapat empat uji asumsi klasik, yakni uji normalitas residual, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas Supranto,
2005:151”.
4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui
bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk
jumlah sampel kecil Ghozali, 2011:160, Gujarati, 2003:339, Field, 2009:221, Supranto, 2005:90. Dalam penelitian ini, uji normalitas terhadap residual dengan
menggunakan uji Kolmogorov-Smirnov. Dalam penelitian ini, tingkat signifikansi yang digunakan . Dasar pengambilan keputusan adalah melihat angka
probabilitas , dengan ketentuan sebagai berikut:
Jika nilai probabilitas 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi. Uji normalitas pada dasarnya bertujuan untuk menguji apakah dalam model
regresi, variabel independen dan variabel dependen atau keduanya telah terdistribusi secara normal atau tidak. Suatu model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Hasil pengujian ini dapat dilihat pada gambar 4.1. berikut ini
Universitas Sumatera Utara
54
Sumber: Output SPSS 16
Gambar 4.1 Histogram
Gambar 4.2 Normal P-P Plot
Dengan melihat tampilan grafik histogram gambar 4.1 dapat kita lihat bahwa diagram berbentuk lonceng serta sebaran data pada grafik Normal P-P plot
Universitas Sumatera Utara
55
Gambar 4.2 menyebar di sekitar garis diagonal,dapat disimpulkan bahwa kedua grafik ini menunjukkan bahwa data yang digunakan memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolonieritas
Pengujian ini dilakukan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi antar variabel bebas Ghozali, 2011:105.
Ketika terdapat korelasi antar variabel bebas yang cukup tinggi, maka permasalahan ini disebut dengan istilah multikolinearitas Stevens, 2009:74. Jika
terjadi multikolinearitas yang sempurna perfect multicolinearity, maka koefisien-koefisien regresi dari variabel bebas tidak dapat ditentukan
indeterminate, jika terjadi multikolinearitas yang tinggi, koefisien-koefisien regresi dari variabel bebas dapat ditentukan, namun memiliki nilai standar error
yang tinggi yang berarti bahwa koefisien-koefisien regresi tersebut tidak dapat diestimasi dengan tepat atau akurat Gujarati, 2003:344. Field 2009:221 juga
menyatakan bahwa seharusnya tidak terjadi hubungan linear yang sempurna perfect linear relationship dari dua atau lebih variabel bebas. Jadi, variabel-
variabel bebas seharusnya tidak berkorelasi terlalu tinggi not correlate too highly. Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat
dari nilai variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas Myers dalam Stevens, 2009:75.
Universitas Sumatera Utara
56
Tabel 4.2. Uji Multikolineritas
Coefficients
a
Model Collinearity
Statistics Tolerance VIF
1 Constant Likuiditas
Perputaran Modal Kerja
Pertumbuhan penjualan
Leverage .866
1.155 .969
1.032 .974
.860 1.027
1.162 a. Dependent Variable:
profitabilitas Sumber : Output SPSS
Berdasarkan tabel 4.2 diatas dapat diketahui bahwa hasil uji multikolonieritas menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang
dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hasil yang
sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 5. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel
independen dalam model regresi.
4.2.2.3. Uji Non-Autokorelasi atau Independensi Residual Independent
