55 adalah 1,021 dan nilai Asymp.Sig. 2-tailed 0,248 dengan nilai signifikan yang
ditetapkan 0,05 yang berarti data residual persamaan terdistribusi secara normal. Hasil uji statistik non-parametric Kolmogorov-Smirnov pada regresi
keputusan investasi X2, nilai perusahaan Y, dan corporate governance Z seperti ditampilkan dalam Tabel 4.4, menunjukkan besarnya nilai Kolmogorov-
Smirnov adalah 1,163 dan nilai Asymp.Sig. 2-tailed 0,134 dengan nilai signifikan yang ditetapkan 0,05 yang berarti data residual persamaan terdistribusi
secara normal. Hasil uji statistik non-parametric Kolmogorov-Smirnov ini konsisten
dengan hasil yang ditunjukkan normal probability plot, sehingga dapat disimpulkan model kedua regresi persamaan memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2006. Dalam penelitian ini cara yang digunakan
untuk mendeteksi ada tidaknya multikolinearitas dengan membandingkan nilai Tolerence va lue
dan Variance Inflation Factor VIF.
Universitas Sumatera Utara
56
Tabel 4.5 Uji Multikolinearitas
Regresi Profitabilitas X1, Nilai Perusahaan Y dan CG Z
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant 2,626
2,873 ,914
,365 ROE
,122 ,022
,731 5,530
,000 ,658
1,521 CG
-,027 ,037
-,096 -,729
,470 ,658
1,521 a. Dependent Variable: PBV
Regresi Keputusan Investasi X2, Nilai Perusahaan Y dan CG Z
Output SPSS pada regresi profitabilitas X1, nilai perusahaan Y, dan CG Z menunjukkan semua variabel independen mempunyai nilai Tolerance di
atas 0,1 dan nilai VIF Variance Inflation Factor di bawah 10 yang berarti data terbebas dari multikolinearitas.
Output SPSS pada regresi keputusan investasi X2, nilai perusahaan Y, dan CG Z menunjukkan semua variabel independen mempunyai nilai Tolerance
di atas 0,1 dan nilai VIF Var iance Inflation Factor di bawah 10 yang berarti data terbebas dari multikolinearitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -4,300
2,050 -2,097
,041 MBVA
,001 ,000
,733 8,288
,000 ,984
1,016 CG
,066 ,024
,240 2,713
,009 ,984
1,016 a. Dependent Variable: PBV
Universitas Sumatera Utara
57
4.2.2.3 Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan dengan pengamatan
yang lain. Ada atau tidaknya heteroskedastisitas dalam model regresi persamaan terlihat melalui scatterplot pada Gambar 4.2 di bawah ini.
Gambar 4.2 Uji Heterokesdastisitas
Regresi Profitabilitas X1, Nilai Perusahaan Y dan CG Z
Universitas Sumatera Utara
58
Regresi Keputusan Investasi X2, Nilai Perusahaan Y dan CG Z
Gambar 4.2 merupakan scatterplot model regresi profitabilitas X1, nilai perusahaan Y, dan CG Z yang memperlihatkan bahwa titik-titik menyebar
secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model
regresi persamaan. Uji scatterplot model regresi keputusan investasi X2, nilai perusahaan
Y, dan CG Z yang memperlihatkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi persamaan.
Universitas Sumatera Utara
59
4.2.3 Uji Hipotesis Model 1 4.2.3.1 Uji Koefisien Determinasi
