Uji asumsi klasik Hasil Penelitian

DART yaitu sebesar 0,71. Perusahaan yang memiliki nilai DAR terendah adalah PT Ciputra Property Tbk CTRP yaitu sebesar 0,07. Pada tahun 2011 nilai rata-rata DAR adalah 0,435, perusahaan yang memiliki nilai DAR tertinggi adalah PT Summarecon Agung Tbk SMRA yaitu sebesar 0,69. Perusahaan yang memiliki nilai DAR terendah adalah PT Ciputra Property Tbk CTRP yaitu sebesar 0,16. Pada tahun 2012 nilai rata-rata DAR adalah 0,445, perusahaan yang memiliki nilai DAR tertinggi adalah PT Gowa Makassar Tourism Development Tbk GMTD yaitu sebesar 0,73. Perusahaan yang memiliki nilai DAR terendah adalah PT Duti Pertiwi Tbk DUTI yaitu sebesar 0,21. Pada tahun 2013 nilai rata-rata DAR adalah 0,435, perusahaan yang memiliki nilai DAR tertinggi adalah PT Gowa Makassar Tourism Development Tbk GMTD yaitu sebesar 0,69. Perusahaan yang memiliki nilai DAR terendah adalah PT Pudjiadi Prestige Tbk PUDP yaitu sebesar 0,01.

4.1.1 Uji asumsi klasik

Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus memenuhi uji asumsi klasik. Universitas Sumatera Utara

4.1.2.1 Uji normalitas

Uji normalitas dilakukan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya. Sumber : Hasil olahan SPSS 18.0 for windows 1 Juli 2014, diolah Gambar 4.1 Normal P-P Plot Sebelum Perbaikan Pada Gambar 4.1 terlihat titik-titik yang tersebar memotong garis diagonal dan sebagian tidak terlalu mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data berdistribusi tidak terlalu normal. Masalah data yang tidak normal harus diperbaiki untuk mendapatkan model regresi yang baik. Salah satu cara untuk mengatasi masalah data yang tidak normal adalah dengan menggunakan logaritma natural pada semua variabel. Perbaikan dari masalah normalitas ini dapat dilihat pada Gambar 4.2 : Universitas Sumatera Utara Sumber : Hasil olahan SPSS 18.0 for windows 1 Juli 2014, diolah Gambar 4.2 Normal P-P Plot Setelah Perbaikan Untuk lebih memastikan apakah data disepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 Sample KS yakni dengan melihat data residualnya apakah distribusi normal atau tidak. Jika nilai Asym.sig 2- tailed taraf nyata α = 0.05 maka data residual berdistribusi normal. Tabel 4.5 Uji Normalitas One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 84 Normal Parameters a,b Mean .0000000 Std. Deviation .58260542 Most Extreme Differences Absolute .064 Positive .039 Negative -.064 Kolmogorov-Smirnov Z .590 Asymp. Sig. 2-tailed .877 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil olahan data SPSS 18.00 for windows 1 Juli 2014, diolah Universitas Sumatera Utara Dari Tabel 4.5 dapat dilihat bahwa Asymp. Sig 2-tailed adalah sebesar 0,877 lebih besar dari taraf nyata α = 0,05. Dengan demikian dapat disimpulkan bahwa data residual berdistribusi normal.

4.1.2.2 Uji heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Heteroskedastisitas dapat dideteksi denga melihat penyebaran plot melalui gambar scatterplot sebagai berikut : Sumber : Hasil olahan data SPSS 18.00 for windows 1 Juli 2014, diolah Gambar 4.3 Scatterplot Universitas Sumatera Utara Pada Gambar 4.3 terlihat bahwa titik-titik yang menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini memenuhi salah satu asumsi bahwa tidak terjadi heteroskedastisitas pada model regresi. Tabel 4.6 menampilkan hasil pengujian heteroskedastisitas dengan uji glejser. Tabel 4.6 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .396 .085 4.686 .000 LnWCT -.029 .053 -.065 -.553 .582 LnQR -.043 .055 -.098 -.787 .433 LnDAR -.048 .072 -.080 -.675 .501 a. Dependent Variable: Absut Sumber : Hasil olahan data SPSS 18.00 for windows 1 Juli 2014, diolah Berdasarkan Tabel 4.6 variabel independen tidak ada yang signifikan secara statisitik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, maka dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

4.1.2.3 Uji autokorelasi

Hasil pengujian autokorelasi yang dilakukan dengan SPSS 16.0 for windows ditampilkan pada tabel sebagai berikut : Universitas Sumatera Utara Tabel 4.7 Uji Autokorelasi Model Summary b Sumber : Hasil olahan data SPSS 18.00 for windows 1 Juli 2014, diolah Tabel 4.7 tersebut memperlihatkan bahwa nilai Durbin- Watson adalah sebesar 1,790. Sedangkan hasil pengujian menurut tabel adalah sebagai berikut : n = jumlah sampel = 110 k = jumlah variabel bebas = 3 pada tingkat signifikan si α = 0,05 diperoleh dl = 1,65228 dan du =1,72623 du DW 4-du = 1,726 1,790 2,274 Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah autokorelasi pasitif atau negatif pada model regresi penelitian ini.

4.1.2.4 Uji multikolinearitas

Uji multikolinearitas dilakukan untuk melihat ada tidaknya hubungan linear diantara variabel bebas dalam model regresi. Hasil pengujian multikolinearitas dijelaskan dalam tabel sebagai berikut : Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .307 a .095 .061 .59343 1.790 a. Predictors: Constant, LnDAR, LnWCT, LnQR b. Dependent Variable: LnROI Universitas Sumatera Utara Tabel 4.8 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant -2.960 .136 -21.699 .000 LnWCT .233 .086 .307 2.722 .008 .889 1.124 LnQR .071 .089 .095 .802 .425 .799 1.251 LnDAR .100 .116 .098 .865 .390 .885 1.130 a. Dependent Variable: LnROI Sumber : Hasil olahan data SPSS 18.00 for windows 1 Juli 2014, diolah Dari Tabel 4.8 dapat dilihat bahwa semua variabel bebas tidak terkena masalah multikolinearitas. Hal ini dapat dilihat dari nilai VIF 5 dan Tolerance 0,1.

4.1.3 Analisis regresi linier berganda