u
i
berdistribusi normal dengan sendirinya b , b
1
, b
2
, b
3
dan b
4
juga berdistribusi normal. Berikut ini hasil dari uji normalitas pada residual :
Tabel 4.5 : Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
ROE CR
DER DPR
N 32
32 32 32
Mean 30.2728
30.2728 111.8606 0.5000
Normal Parametersa,b Std. Deviation
20.66032 20.66032 103.22482 0.15308
Absolute 0.180
0.180 0.229 0.094
Positive 0.180
0.180 0.229 0.060
Most Extreme Differences Negative
-0.102 -0.102
-0.198 -0.094 Kolmogorov-Smirnov Z
1.016 1.016
1.297 0.530 Asymp. Sig. 2-tailed
0.253 0.253
0.069 0.941 a. Test distribution is Normal.
b. Calculated from data.
Sumber : data diolah, lampiran 2 Dari tabel diatas dapat dilihat bahwa uji Kolmogorov-Smirnov dengan
Lilliefors Significance Correction menunjukkan hasil signifikan, bahwa semua variable yang diteliti memiliki distribusi yang normal nilai signifikansi lebih
dari 0,05.
4.3.1. Uji Asumsi Klasik
Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best Linier Unbiassed
Estimator. Uji asumsi klasik tersebut meliputi asumsi autokorelasi, multikolinieritas dan heteroskedastisitas.
1. Uji Autokorelasi
Adanya Autokorelasi dalam model regresi artinya adanya korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Uji statistik yang
digunakan untuk mengetahui ada tidaknya autokorelasi adalah uji Durbin Watson. Berikut ini hasil uji Durbin Watson :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.6 : Hasil Uji Durbin Watson
Model Summaryb
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.846a 0.716 0.686
0.08582 1.428 a. Predictors: Constant, DER, ROE, CR
b. Dependent Variable: DPR
Sumber : data diolah, lampiran 2 Nilai DW Durbin Watson yang dihasilkan adalah sebesar 1,428 karena
nilai DW Durbin Watson berada du 1,55 ≤ d1,428 ≤ 4 – du 4-1,55=2,45,
maka dapat disimpulkan bahwa antar residual kesalahan pengganggu terdapat korelasi atau model regresi linier berganda yang dihasilkan terjadi autokorelasi.
Salah satu alternatif untuk mengatasi model regresi linear yang terkena gangguan autokorelasi adalah dengan memasukkan lag dari variabel terikat
menjadi salah satu variabel bebasnya. Pada tahap interpretasi model, lag variabel tidak usah diinterpretasikan karena hanya merupakan metode untuk
menghilangkan gangguan autokorelasi saja. Firdaus,Muhammad, 2004. Adalah sebagai berikut:
Tabel 4.7. : Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .858a 0.736
0.707 0.08041 1.724 a. Predictors: Constant, DER, ROE, CR
b. Dependent Variable: Lag_Y
Sumber : data diolah, lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.1.: Distribusi daerah keputusan Autokorelasi
Menolak Ho Daerah keragu- Daerah keragu- Menolak Ho Bukti auto raguan raguan bukti auto
Korelasi korelasi Positif negatif
Menerima Ho atau Ho kedua-duanya
0 D
L
D
U
2 4-D
U
4-D
L
4 1,15 1,55 1,724 2,45 2,85
Sumber : Gujarati, 1991 : 218.
Nilai DW Durbin Watson yang dihasilkan adalah sebesar 1,724 karena nilai DW Durbin Watson berada du 1,15
≤ d1,724 ≤ 4 – du 4-1,66=2,45, maka dapat disimpulkan bahwa antar residual kesalahan pengganggu tidak
terdapat korelasi atau model regresi linier berganda yang dihasilkan tidak terjadi autokorelasi.
2. Uji Multikolinieritas
