standar deviasi sebesar 1,35579, dengan demikian penyimpangan data Current Ratio CR rendah.
c. Debt to Equity Ratio Rata-rata Debt to Equity Ratio DER sebesar 1,3390, nilai minimum sebesar
0,14, nilai maksimum sebesar 9,04, dan standar deviasi sebesar 1,80991 dengan jumlah observasi n sebesar 60. Nilai rata-rata Debt to Equity Ratio DER
mendekati nilai standar deviasi sebesar 1,80991, dengan demikian penyimpangan data Debt to Equity Ratio DER rendah.
d. Earnings Per Share Rata-rata Earnings Per Share EPS sebesar 265,0816, nilai minimum sebesar
1,18, nilai maksimum sebesar 831,00, dan standar deviasi sebesar 239,67653 dengan jumlah observasi n sebesar 60. Nilai rata-rata Earnings Per Share EPS
mendekati nilai standar deviasi sebesar 239,67653, dengan demikian
penyimpangan data Earning Per Share EPS rendah.
B. Pengujian Asumsi Klasik 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Model
regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali, 2001. Untuk menguji normalitas, dapat menganalisis dengan melihat nilai
probabilitasnya. Dasar pengambilan keputusan adalah jika nilai probabilitas 0,05, maka model regresi memenuhi asumsi normalitas.
Hasil uji normalitas dengan Kolmogorov Smirnov Test sbb:
Tabel 3. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,b
Mean .0000000
Std. Deviation 153.51396330
Most Extreme Differences Absolute
.163 Positive
.163 Negative
-.108 Kolmogorov-Smirnov Z
1.263 Asymp. Sig. 2-tailed
.082 a. Test distribution is Normal.
b. Calculated from data. Sumber: Lampiran 6: Hasil Uji Normalitas halaman 85
Berdasarkan hasil uji normalitas dengan Kolmogorov Smirnov Test di peroleh nilai KSZ sebesar 1,263 dan asymp. Sig. Sebesar 0,082 terlihat bahwa nilai
probabilitas 0,05, maka model regresi memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji Multikolinearitas adalah suatu keadaan dimana salah satu atau lebih variabel independen dapat dinyatakan sebagai kombinasi linier dari variabel independen
lainnya. Salah satu asumsi regresi linier klasik adalah tidak adanya multikolinearitas sempurna no perfect multikolinearitas. Suatu model regresi dikatakan terkena
multikolenearitas apabila terjadi hubungan linier yang perfect atau exact diantara beberapa atau semua variabel bebas. Akibatnya akan sulit untuk melihat pengaruh
