5.2.1 Uji normalitas data
Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S secara keseluruhan dengan
menggunakan data unstandarized residual. Uji normalitas data dengan menggunakan uji Kolmogorov Smirnov memiliki kriteria jika probability Asymp.
Sig 2-tailed lebih besar dari 0.05 maka dapat dinyatakan bahwa data berdistribusi normal, sebaliknya jika probability asymp. sig 2-tailed lebih kecil
dari 0.05 maka disimpulkan data berdistribusi tidak normal Ghozali, 2009.
Tabel 5.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
35 Normal Parameters
a
Mean .0000000
Std. Deviation 5.89843804
Most Extreme Differences Absolute
.083 Positive
.050 Negative
-.083 Kolmogorov-Smirnov Z
.491 Asymp. Sig. 2-tailed
.970 a. Test distribution is Normal.
Besarnya nilai Kolmogorov-Smirnov adalah sebesar 0.491 dan nilai Asymp.sig 2-tailed sebesar 0.970. karena nilai Asymp.sig 2-tailed nilai
signifikansi 0.05 hal ini berarti data residual terdistribusi secara normal. Uji normalitas kedua dilakukan dengan uji analisis grafik. Jika distribusi
data menyebar disekitar garis diagonal dan mengikuti garis arah diagonal, maka model regresi memenuhi asumsi normalitas dan jika sebaliknya model tersebut
tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 5.1 Uji Normalitas
Hasil pengujian normalitas dengan menggunakan Normal P-P Plot terhadap data penelitian yang terdapat pada Gambar 5.1 menunjukkan bahwa data
menyebar sekitar garis diagonal serta mengikuti garis arah diagonal grafik
Normal P-Plot, maka persyaratan normalitas sudah terpenuhi.
5.2.2 Uji multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah pada model regresi ditemukan ada tidaknya korelasi antara variabel bebas. Model regresi yang
baik adalah tidak terjadi multikolinieritas. Berdasarkan hasil uji multikolinieritas variabel independen dengan milihat
nilai Variance Inflation Factor VIF dan nilai tolerance. Uji ini memiliki kriteria apabila nilai VIF yang relatif kecil, yaitu tidak ada yang lebih dari 10 dan nilai
tolerance tidak kurang dari 0.1 maka dapat disimpulkan tidak terjadi masalah multikolinieritas Ghozali, 2009.
Universitas Sumatera Utara
Tabel 5.3 Uji multikolinieritas
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
29.881 12.636
Dewan_Direksi -2.960
1.847 -.342
.508 1.968
Dewan_Komisaris 4.161
1.912 .629
.277 3.609
Kepemilikan_Institusional -.071
.096 -.166
.458 2.184
Kepemilikan_Manajerial -2.242
3.884 -.156
.315 3.170
Komisaris_Independen -.646
2.204 -.092
.232 4.308
a. Dependent Variable: Profitabilitas
Pada Tabel 5.3 terlihat bahwa nilai VIF atas variabel dewan direksi, dewan komisaris, kepemilikan institusional, kepemilikan manajerial dan komisaris
independen kurang dari 10 dengan nilai tolerance diatas 0.10. Dengan demikian tidak ada masalah multikolinieritas dalam model penelitian.
5.2.3 Uji heteroskedastisitas