46
4.2.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian regresi linier berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu
pengkajian untuk mengetahui ada tidaknya pelanggaran terhadap asumsi- asumsi klasik. Hasil pengujian hipotesis yang baik adalah pengujian
yang tidak melanggar asumsi-asumsi klasik yang mendasari model regresi linier berganda. Asumsi-asumsi klasik dalam penelitian ini
meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
4.2.2.1 Uji Asumsi Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan
menggunakan uji
Kolmogorov-Smirnov. 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.
Universitas Sumatera Utara
47
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Resi
dual N
105 Kolmogorov-Smirnov Z
1.075 Asymp. Sig. 2-tailed
.198
a. Test distribution is Normal. b. Calculated from data.
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, diketahui nilai probabilitas
atau Asymp. Sig. 2-tailed sebesar 0,198. Karena nilai probabilitas
, yakni 0,198, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
terpenuhi. Gambar 4.1 dan Gambar 4.2 merupakan output dari SPSS.
Perhatikan bahwa kurva pada histogram berbentuk kurva normal, sehingga disimpulkan bahwa asumsi normalitas error dipenuhi. Di
samping itu pada normal probability plot Gambar 4.2, titik-titik menyebar cukup dekat pada garis diagonal, maka disimpulkan
bahwa asumsi normalitas dipenuhi.
Universitas Sumatera Utara
48
S
umber : hasil olahan software spss Gambar 4.1
Histogram untuk Pengujian Asumsi Normalitas
Sumber: hasil olahan software SPSS
Gambar 4.2 Normalitas dengan Normal Probability Plot
Universitas Sumatera Utara
49
4.2.2.2 Uji Multikolinearitas
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 Ghozali, 2013.
Tabel 4.4 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Current Ratio .638
1.567 Debt to Equity
Ratio .639
1.566 Total Asset
Turnover .994
1.007 Net Profit Margin
.988 1.013
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.4, nilai VIF dari variabel current ratio adalah 1,567, nilai VIF dari variabel debt to
equity ratio adalah 1,566, nilai VIF dari variabel total asset turnover adalah 1,007, dan nilai VIF dari variabel net profit margin
adalah 1,013. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.2.3 Uji Asumsi Autokorelasi