Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, Uji Autokorelasi

40

3.6.2.1 Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan f mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan : a. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesi : H : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal

3.6.2.2 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah didalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t Universitas Sumatera Utara 41 dengan kesalahan pengganggu pada periode t-1. Pendeteksian ada atau tidaknya autokorelasi menggunakan uji Durbin-Watson DW test. Uji durbin-watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam regresi dan tidak ada variabel lagi diantara variabel independen. 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 Ghozali, 2013. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian autokorelasi menggunakan uji Durbin Watson DW-test.Pengambilan keputusan mengenai ada tidaknya autokorelasi yaitu : 1 DW -2 berarti ada autokorelasi positif 2 -2 DW 2 berarti tidak ada autokorelasi 3 DW +2 berarti ada autokorelasi negatif 3.6.2.3 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dan residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedasitisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskesdatisitas atau tidak terjadi Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat Universitas Sumatera Utara 42 grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di – studentized. Dasar analisis : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.7 Analisis Regresi

Data yang telah dikumpulkan dianalisis dengan menggunakan alat analisis statistik yakni : 1. Analisis regresi linear sederhana simple regression analysis. Y = α + β X + e 2. Analisis Uji nilai selisih mutlak. Y = α + β X + β X + β │ X ─ X │ + e Keterangan : Y= Nilai Perusahaan α =Konstanta β - β =Koefisien Regresi X =Nilai Perusahaan X = Profitabilitas Universitas Sumatera Utara 43 X ─ X = merupakan interaksi yang diukur dengan nilai absolut perbedaan antara X 1 dan X 2 Profitabilitas E=Error Term, yaitu tingkat kesalahan penduga dalam penelitian Uji nilai selisih mutlak Menurut Frucot dan Shearon 1991 dalam Ghozali 2013 uji nilai selisih mutlak lebih disukai oleh karena ekspektasi sebelumnya berhubungan dengan kombinasi antara X 1 dan X 2 dan berpengaruh terhadap Y. Jika skor tinggi untuk nilai persediaan berasosiasi dengan skor rendah dari profitabilitas, maka akan terjadi perbedaan nilai absolut yang besar Hal ini juga berlaku bagi skor rendah dari nilai persediaan berasosiasi dengan skor tinggi dari nilai profitabilitas. Kedua kombinasi ini diharapkan akan berpengaruh terhadap nilai perusahaan yang meningkat. 3.8 Uji Hipotesis 3.8.1 Uji R² atau Koefisien Determinasi Koefisien determinasi R² pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah nol dan satu.Nilai R2 yang kecil berarti kemampuan variabel- variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossection Universitas Sumatera Utara 44 relatif rendah karena ada variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien determinasi yang tinggi Ghozali,2013.

3.8.2 Uji-t