Uji Asumsi Klasik Analisis Pengujian Model Regresi Perusahaan Tumbuh

cxv 76 UNVR 2006 29.2 5 1.27 1.14 0.05 0.04 31.7 4 0.9 1 3.8 2

1. Uji Asumsi Klasik

a. Uji Normalitas. Uji normalitas digunakan untuk mengetahui apakah dalam model regresi, variabel terikat, variabel bebas ataupun keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. pengujian normalitas dalam penelitian ini menggunakan Normal Probability Plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Untuk mengetahui distribusi data antara variabel independen dengan variable dependen terdistribusi dengan normal atau mendekati normal dapat dilihat pada gambar berikut : Gambar. 4.1 cxvi Hasil Uji Normalitas Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: Nilai Perusahaan Tumbuh Berdasarkan gambar 4.1 tersebut Dari gambar grafik Normal P-P Plot tersebut di atas, dapat diketahui bahwa data ditunjukan berupa titik-titik yang menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Dengan demikian berdasarkan grafik normal P-P Plot tersebut dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini memenuhi asumsi normalitas. b. Uji Asumsi Multikolinieritas Pengujian ini dilakukan untuk melihat apakah pada model regresi terdapat korelasi antara variabel bebas independen. Model regresi yang baik adalah model regresi yang tidak terjadi korelasi diantara variabel independen. Adapun hasil pengujian dapat dilihat pada tabel berikut : cxvii Tabel. 4.14 Hasil Uji Multikolinieritas Coefficients a 3.660 .120 30.621 .000 -.013 .005 -.267 -2.386 .020 1.000 1.000 Constant IOS Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: Nilai Perusahaan Tumbuh a. Berdasarkan tabel 4.14 diatas, menunjukkan bahwa variabel independen IOS memiliki angka tolerance diatas 0,10 dan nilai VIF di bawah 10,0. Dengan demikian dapat disimpulkan bahwa pada model ini tidak terjadi masalah multikolinieritas antar variabel bebas dalam model regresi. Semakin sedikit penyimpangan dalam suatu model, maka hasil regresi yang dihasilkan semakin baik. c. Uji Asumsi Heteroskedastisitas Pengujian ini bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual suatu pengamatan. Jika varians dari residual suatu pengamatan yang lain tetap berarti telah terjadi homoskedastisitas dan sebaliknya jika berbeda dikatakan telah terjadi heteroskedastisitas. Jika terjadi homoskedastisitas dikatakan mempunyai model yang baik, cara mendeteksi dengan melihat diagram pencar grafik scatter plots dibawah ini. Gambar. 4. 2 Hasil Uji Heteroskedastisitas cxviii Regression Standardized Predicted Value 2 -2 -4 R e g re s s io n S tu d e n ti z e d R e s id u a l 3 2 1 -1 -2 -3 Scatterplot Dependent Variable: Nilai Perusahaan Tumbuh Berdasarkan gambar 4.2 di atas terlihat data sudah menyebar secara acak dan tidak membentuk pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan bahwa pada model ini sudah terbebas dari gejala heteroskedastisitas, sehingga model ini layak dipakai untuk memprediksi variabel dependen berdasarkan masukan variabel independennya. d. Uji Autokorelasi Pengujian ini dilakukan untuk melihat apakah pada model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 Ghozali, 2001. Dalam penelitian ini, pengujian autokolerasi dilakukan dengan melihat nilai uji Durbin Watson cxix DW-nya. Untuk pengambilan keputusan digunakan kriteria jika nilai DW berada pada angka -2 sampai dengan +2, maka dapat dikatakan tidak terdapat autokolerasi. Hasil uji autokorealasi dapat dilihat pada tabel berikut ini : Tabel. 4.15 Hasil Uji Autokorelasi Model Summary b .267 a .071 .059 .52515 1.882 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, IOS a. Dependent Variable: Nilai Perusahaan Tumbuh b. Berdasarkan tabel 4.15 terlihat bahwa angka DW bernilai +1.882. Hal ini berarti angka DW terletak diantara -2 dan +2. Dengan demikian dapat disimpulkan pada model ini tidak tedapat gejala autokorelasi.

2. Uji Signifikansi