83
C. Hasil Analisis Regresi Linier Berganda
1. Hasil Uji Asumsi Klasik
a. Uji Normalitas Model regresi yang baik adalah model regresi yang variabel pengganggu
atau residualnya memiliki distribusi normal. Salah satu metode yang handal untuk uji normalitas adalah dengan melihat normal probability plot yang
disajikan pada gambar 4.2 berikut :
Gambar 4.2 Grafik
Normal Probability Plot
Sumber : data diolah dengan SPSS 22
84
Gambar 4.2 di atas menunjukkan bahwa titik-titik tersebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka dapat
dikatakan bahwa model regresi dalam penelitian ini memenuhi asumsi normalitas, yang berarti bahwa data terdistribusi normal.
Namun, uji normalitas dengan grafik dapat menyesatkan apabila tidak berhati-hati secara visual terlihat normal, namun secara statistik bisa
sebaliknya. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolmogorov-Smirnov K-S yang
disajikan dalam tabel 4.8 berikut:
Tabel 4.8 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
38 Normal
Parameters
a,b
Mean .0000000
Std. Deviation .10538376
Most Extreme Differences
Absolute .120
Positive .056
Negative -.120
Test Statistic .120
Asymp. Sig. 2-tailed .182
c
Sumber : data diolah dengan SPSS 22
85
Berdasarkan tabel 4.8 di atas hasil uji kolmogorov-smirnov menunjukkan nilai probabilitas signifikansi 0,182 yang lebih besar dari 0,05. Maka dapat
diambil keputusan H diterima dan H
a
ditolak yang berarti data terdistribusi normal. Sehingga dapat dikatakan bahwa model regresi dalam penelitian ini
benar-benar memenuhi asumsi normalitas, yang berarti bahwa data terdistribusi normal.
b. Uji Multikolinearitas Uji multikolinearitas dilakukan dengan tujuan untuk menguji apakah
dalam model regresi yang digunakan terdapat korelasi antar variabel independen. Multikolinearitas di dalam model regresi dapat dideteksi dengan
melihat nilai Tolerance dan lawannya Variance Inflation Factor VIF. Apabila nilai Tolerance 0.10 dan nilai VIF 10 maka tidak terjadi
multikolinieritas. Nilai Tolerance dan VIF masing-masing variabel independen dalam penelitian ini dapat dilihat pada tabel 4.9 berikut:
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Umur
.809 1.236
Size .732
1.367 CR
.630 1.588
DER .576
1.738 ROE
.421 2.374
EPS .354
2.824
Sumber : data diolah dengan SPSS 22