berd men
pend histo
dilak hipo
Ho : Ha :
A diter
ditol
Su B
norm distribusi n
ggunakan p dekatan an
ogram dan kukan denga
otesis : Data resud
Data resud Apabila nila
rima, sedang lak.
umber : Has Berdasarkan
mal, hal ini normal. Da
pendekatan nalisis grafi
n normal an alat uji K
dal berdistrib dal tidak ber
ai signifika gkan jika si
Table 4 Uji Norm
sil Olah Dat n Tabel 4
ditunjukan alam pene
analisis g ik dilakuka
probability Kolmogorov
busi normal rdistribusi n
annya lebih ignifikanny
4.4 alitas
ta SPSS 18. 4.4 dapat
oleh nilai A elitian ini
rafik dan a an dengan
y plot , a
v Smirnov , d
l normal
h besar dari ya lebih kec
0 2013
disimpulkan Asymp. Sig.
uji norm analisis stat
melihat g analisis sta
dengan mem
i 0.05 mak cil 0,05 mak
an data be . 2-tailed
malitas tistik,
grafik atistik
mbuat
ka Ho ka Ho
ersifat yakni
Universitas Sumatera Utara
0,200 lebih besar dari pada nilai signifikansi 0,05 dengan kata lain variabel risudal berdistribusi normal. Untuk itu dilanjutkan
dengan uji asumsi kalsik lainnya. Untuk lebih jelas berikut ini juga dilampirkan grafik histogram dan flot data yang terdistribusi
normal :
Gambar 4.1 Grafik Histogram
Sumber : Hasil Olah Data SPSS 18.0 2013
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Hasil Olah Data SPSS 18.0 2013
Dengan melihat tampilan histogram maupun grafik Normal Plot maka dapat disimpulkan bahwa grafik histogram pola
distribusi yang tidak menceng ke kiri atau ke kanan menunjukkan bahwa data telah berdistribusi secara normal. Demikian pula
Universitas Sumatera Utara
hasilnya dengan grafik Normal Plot terlihat bahwa titik-titik menyebar di sekitar garis diagnosal tersebut. Kedua grafik
tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat nilai tolerance dan
Variance Inflation Factor VIF, serta menganalisis matrik
korelasi variabel-variabel independen. Menurut Ghozali 2006:92 mengemukakan bahwa “nilai cut-off yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,1 atau sama dengan nilai VIF 10”.
Berikut ini adalah hasil penelitian uji multikolinearitas yang ditujukan sebagai berikut :
Universitas Sumatera Utara
Table 4.5 Uji Multikolinearitas
Sumber : Hasil Olah Data SPSS 18.0 2013 Berdasarkan Tabel 4.5 diatas dapat diketahui bahwa hasil dari
perhitungan nilai tolerance 0,10. Nilai tolerance untuk Net Working Capital to Total Assets
adalah 0,578, Retained Earning to Total Assets
0,706, EBIT to Total Assets 0,932, dan Book Value of Equity to Total Liabilities
0,663. Sedangkan nilai VIF kelima variabel lebih kecil dari 10 yaitu Net Working Capital to
Total Assets adalah 1,731, Retained Earning to Total Assets
1,417, EBIT to Total Assets 1,073, dan Book Value of Equity to
Coefficients
a
Model Unstandardized
Coefficients Standard
ized Coefficie
nts T
Sig. 95,0
Confidence Interval for B
Correlations Collinearity
Statistics B
Std. Error
Beta Lower
Bound Upper
Bound Zero-
order Part
ial Part
Tolera nce
VIF Constant
-,387 ,207
-1,873 ,064
-,797 ,022
Net Working Capital to Total Assets X1 7,915
,493 ,238
16,061 ,000
6,939 8,892
,770 ,832 ,181 ,578
1,731 Retained Earning to Total Assets
3,298 ,077
,576 43,044
,000 3,146
3,450 ,603 ,970 ,484
,706 1,417
EBIT to Total Assets 3,623
,773 ,055
4,689 ,000
2,093 5,154
-,052 ,401 ,053 ,932
1,073 Book Value of Equity to Total Liabilities
1,011 ,021
,665 48,114
,000 ,969
1,052 ,689 ,976 ,541
,663 1,508
a. Dependent Variable: Z-score
Universitas Sumatera Utara
Total Liabilities 1,508, maka dapat disimpulkan bahwa tidak ada
multikolinearitas variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas dapat dideteksi dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan program
SPSS 18.0. Dasar pengambilan keputusan :
1. Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengintidikasikan
telah terjadi heteroskedasitas. 2.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas atau homoskedastisitas dengan mengamati penyebaran titik-titik pada grafik.
Hasil Uji Heteroskedasititas dapat ditunjukan pada gambar 4.3 yakni sebagai berikut :
Universitas Sumatera Utara
Gambar 4.3 Grafik Scatterplot
Sumber : Hasil Olah Data SPSS 18.0 2013 Berdasarkan grafik Scatter Plot pada gambar 4.3 terlihat
bahwa titik-titik menyebar secara acak serta menyebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastitas. Hal ini menunjukkan regresi digunakan untuk memprediksi Z-score
financial distress .
Universitas Sumatera Utara
4.2.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang
berkaitan dengan yang lainnya. Hal ini sering ditemukan pada data time series. Untuk mengetahui ada atau tidaknya
autokorelasi adalah dengan menggunakan uji Durbin Watson dan uji The Run Test, pengambilan keputusan uji Durbin Watson
dapat dilakukan dengan ketentuan sebagai berikut :
Table 4.6 Kriteria Pengambilan Keputusan Uji Autokorelasi
Durbin Watson Kesimpulan
Kurang dari 1,08 Ada Autokorelasi
1,08-1,66 Tanpa Kesimpulan
1,66-2,34 Tidak ada autokorelasi
2,34-2,92 Tanpa Kesimpulan
Lebih dari 2,92 Ada Autokorelasi
Sumber : Algifari 2000:89 Berikut ini hasil tampilan output SPSS 18.0 tentang Uji
Autokorelasi :
Universitas Sumatera Utara
Table 4.7 Uji Autokorelasi Durbin-Watson
Model Summary
b
Model
R R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin
- Watso
n R Square
Change F
Change df1
df2 Sig. F
Change 1
,993
a
,985 ,985
,93098 ,985
1947,27 2
4 115
,000 2,069
a. Predictors: Constant, Book Value of Equity to Total Liabilities, Retained Earning to Total Assets, EBIT to Total Assets , Net Working Capital to Total Assets X1
b. Dependent Variable: Z-score
Sumber : Hasil Olah Data SPSS 18.0 2013
Berdasarkan Tabel 4.7 di atas menunjukkan bahwa dapat ditarik kesimpulan mengenai hubungan autokorelasi, hal tersebut
terlihat bahwa nilai Durbin Watson sebesar 2,069 yakni berada diantara 1,66 dan 2,34 Artinya dalam model regresi ini tidak ada
autokorelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.
Uji autokorelasi dapat juga dideteksi atau dilihat melalui uji The Run Test
. Adapun hasil pengujian The Run Test dapat dilihat sebagai berikut:
Universitas Sumatera Utara
Sum
tidak oleh
dari
Uji Aut
mber : Hasil
Berdasark k terjadi aut
nilai Asyim tingkat kep
Table 4 tokorelasi
Olah Data S
kan Tabel tokorelasi a
m. Sig 2-t percayaan 5
4.8 The Run T
