2. Uji Kolmogorov-Smirnov
Tabel 4.9 Uji
Kolmogorov-Smirnov Setelah Transformasi Data dan Outlier
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS 19 diolah penulis, 2013
Sesuai dengan uji Kolmogorov-Smirnov yang ditunjukkan oleh tabel 4.8 di atas, maka diperoleh nilai probabilitas atau Asymp.Sig.2-tailed sebesar
0,994, dengan demikian nilai probabilitas lebih besar dari 0,05 atau 0,971 0,05, karena itu H
ditolak yang berarti data residual terdistribusi dengan normal.
4.2.2 Hasil Uji Multikolinearitas
Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen, model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2011:105. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan
bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parameters
a,b
Mean .00000
Std. Deviation .862564
Most Extreme Differences
Absolute .043
Positive .039
Negative -.043
Kolmogorov-Smirnov Z .424
Asymp. Sig. 2-tailed .994
Universitas Sumatera Utara
Ghozali, 2011:106. Berikut ini merupakan hasil uji multikolinearitas dalam penelitian ini.
Tabel 4.10 Hasil Uji Multikolinearitas
Coefficients
a
a. Dependent Variable: LABA
Sumber : Output SPSS 19 diolah penulis, 2013 Hasil uji moltikolinearitas pada tabel 4.9 menunjukkan bahwa keenam
variabel bebas yang digunakan dalam penelitian ini, memiliki tolerance value 0,1 dan VIF 10. Dengan demikian dapat disimpulkan bahwa tidak ada
multikolinearitas antar variabel independen dalam model regresi.
4.2.3 Hasil Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t
-1
sebelumnya, model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2011:110. Dalam model regresi
tidak terjadi autokorelasi apabila nilai du d 4 – du Ghozali, 2011:111,
Model Collinearity Statistics
Tolerance VIF
1 Constant
WCTA .352
2.837 DER
.302 3.315
ITO .651
1.536 TATO
.778 1.286
GPM .531
1.883 OPM
.585 1.710
Universitas Sumatera Utara
berikut ini merupakan hasil uji autokorelasi terhadap model regresi dalam penelitian ini.
Tabel 4.11 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .511
a
.261 .211
.891484 1.940
a. Predictors: Constant, OPM, TATO, DER, ITO, GPM, WCTA b. Dependent Variable: LABA
Sumber : Output SPSS 19 diolah penulis, 2013
Hasil uji autokorelasi pada tabel 4.10 menunjukkan bahwa nilai Durbin- Watson d sebesar 1,940. Nilai ini akan kita bandingkan dengan nilai pada tabel
Durbin-Watson dengan menggunakan signifikansi 5 dan jumlah pengamatan n 95 serta jumlah variabel independen 6 k=6, maka berdasarkan tabel Durbin-
Watson diperoleh nilai batas atas du sebesar 1,802 dan nilai batas bawah dl sebesar 1,535. Sehingga diperoleh persamaan berikut :
du d 4 – du 1,802 1,940 2,198
maka dapat ditarik kesimpulan bahwa dalam model regresi penelitian ini tidak terjadi autokorelasi positif atau negatif.
4.2.4 Hasil Uji Heteroskedastisitas
