Tabel 4.2 Uji Normalitas Kolmogorov – Smirnov
One-Sample Kolmogorov-Smirnov Test
LN PROFITABILITAS LN PRPTRN_KAS
LN PRPTRN_PERSE
DIAAN LN
umur_perushaan LN leverage
N 88
88 88
88 88
Normal Parameters
a
Mean 44.50000
44.50000 44.50000
44.50000 44.50000
Std. Deviation 25.547342
25.547342 25.547117
25.529676 25.544867
Most Extreme Differences Absolute .062
.062 .062
.078 .067
Positive .062
.062 .062
.078 .064
Negative -.062
-.062 -.062
-.075 -.067
Kolmogorov-Smirnov Z .578
.578 .578
.736 .631
Asymp. Sig. 2-tailed .892
.892 .892
.651 .821
a. Test distribution is Normal.
Berdasarkan hasil pengulangan uji normalitas diketahui seluruh variabel yang digunakan dalam penelitian ini telah berdistribusi normal, itu
dibuktikan dengan asymp sig 0,05 oleh sebab itu pengujian hipotesis telah dapat dilakukan.
C. Analisis Pengujian Model Regersi
a. Pengujian Asumsi Klasik
1. Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen, variabel independen atau keduanya
memiliki distribusi normal.
Gambar 4.1 Hasil Pengujian Normalitas Data
Sumber : Output SPSS Dengan melihat tampilan grafik normal plot dapat disimpulkan
bahwa grafik normal plot terlihat titik-titk menyebar disekitar garis diagonal, serta mengikuti arah garis diagonal. dapat dikatakan bahwa
distribusi data model regresi adalah normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika veriabel independen saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Pengujian dalam uji multikolinearitas dengan melihat nilai VIF Variance Inflation Factor harus berada di bawah 10, hal ini akan
dijelaskan sebagai berikut :
Tabel 4.3 Hasil Pengujian Multikolinearitas
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1 Constant
LNprptrn_kas .992
1.008 LNprptrn_persediaan
.992 1.008
LNleverage .998
1.002 umur_perusahaan
.986 1.014
a. Dependent Variable: LNprofitabilitas
Sumber : Output SPSS Tabel 4.4 di atas menjelaskan bahwa data yang ada tidak terjadi
gejala multikolinearitas antara masing-masing variabel independen yaitu dengan melihat hasil perhitungan nilai Variance Inflation Factor VIF
menunjukan tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas
antar variabel independen dalam model regresi.
3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan ada problem outokorelasi ghozali, 2005 : 94.
Dalam penelitian ini, pengujian autokorelasi dilakukan dengan melihat nilai uji Durbin Watson DW-nya. Hasil uji autokorelasi dapat
dilihat pada tabel berikut ini :
Tabel 4.4
Hasil Pengujian Autokolerasi
Model Summary
b
Model Durbin-Watson
1 1.795
a. Predictors: Constant, umur_perusahaan, LNleverage, LNprptrn_persediaan, LNprptrn_kas
b. Dependent Variable: LNprofitabilitas
Sumber : Output SPSS Dari tabel dapat dilihat bahwa nilai durbin watson 1.795
dan dapat dibaca dari tabel statistik durbin watson den
gan α 0.05 dl dan du 1.706 dan 1.760 dan nilai dari 4-dl dan 4-du 2.294 dan 2.24. dengan demikian
dapat disimpulkan bahwa nilai duDW4-du atau 1.701.795 2.294, yang artinya tidak terjadi autokorelasi.
4. Uji Heteroskedastisitas