2. Pengujian Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan menguji apakah model regresi, variabel dependen dan variabel independen berdistribusi normal atau berdistribusi
tidak normal. Model regresi yang baik adalah berdistribusi normal atau mendekati normal. Uji asumsi normalitas dalam penelitian ini
menggunakan uji
Kolmogorov-Smirnov
. Hasil uji normalitas dapat dilihat pada tabel 5.3:
Tabel 5.3 Hasil Uji
Kolmogorov-Smirnov
Sumber : Output SPSS 16
Hasil pengujian normalitas data menunjukkan bahwa data yang akan digunakan adalah normal. Hal ini ditunjukkan dengan nilai
Asymp. Sig.
sebesar 0,291 yang berarti lebih besar dari 0,05.
b. Uji Multikolinearitas
Uji Multikolinearitas ini bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel independen. Variabel yang
menyebabkan multikolineritas dapat dilihat dari nilai
tolerance
yang lebih kecil dari 0,10 atau nilai VIF yang lebih besar dari nilai 10. Model regresi
yang baik adalah terbebas dari masalah multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada tabel 5.4:
Tabel 5.4 Hasil Uji Multikolinearitas
Coefficients
a
Keterangan
Model Collinearity Statistics
Tolerance VIF
1 Constant
PRO
.978 1.023
Bebas Multikolinearitas LIK
.972 1.078
Bebas Multikolinearitas LEV
.913 1.095
Bebas Multikolinearitas DPR
.992 1.008
Bebas Multikolinearitas FCF
.978 1.023
Bebas Multikolinearitas a. Dependent Variable: TOBINS
Sumber : Output SPSS 16
Hasil pengujian data di atas menunjukkan bahwa data yang digunakan tidak terjadi gejala multikolinearitas. Hal ini ditunjukkan
dengan nilai
tolerance
lebih dari 0,10 atau nilai VIF setiap variabel independen PRO, LIK, LEV, DPR, dan FCF mempunyai nilai VIF lebih
kecil dari 10. Variabel independen PRO mempunyai nilai
tolerance
0,978 dan nilai VIF sebesar 1,023. Variabel independen LIK mempunyai nilai
tolerance
0,927 dan nilai VIF sebesar 1,079. Variabel independen LEV mempunyai nilai
tolerance
0,913 dan nilai VIF sebesar 1,095. Variabel independen DPR mempunyai nilai
tolerance
0,992 dan nilai VIF sebesar 1,008. Variabel independen FCF mempunyai nilai
tolerance
0,978 dan nilai VIF sebesar 1,023.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji dalam model regresi terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan yang lain. Pengujian heteroskedastisitas ini menggunakan grafik
scatterplot dengan memasukkan nilai ZPRED dan SRESID. Hasil uji tersebut dapat dilihat pada gambar di bawah ini:
Gambar 5.1 Uji Heteroskedastisitas
Sumber : Output SPSS 16
Hasil pengujian heteroskedastisitas pada grafik
scatterplot
di atas menyimpulkan bahwa model regresi baik karena tidak mempunyai
gangguan heteroskedastisitas. Hal ini ditunjukkan dari tidak adanya pola tertentu pada grafik dan titik-titik pada grafik relatif menyebar baik di atas
sumbu nol maupun di bawah sumbu nol pada. d.
Uji Autokorelasi Uji autokorelasi bertujuan menguji suatu regresi adanya korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Dalam penelitian ini, untuk
mendeteksi ada atau tidaknya autokorelasi di dalam model regresi dengan menggunakan uji
Run Test
. Hasil uji dapat dilihat dalam tabel 5.5:
Tabel 5.5 Hasil Uji Autokorelasi
Sumber : Output SPSS 16
Hasil tabel pengujian
Run Test
di atas menunjukkan bahwa nilai
Asymp Sig.
0,364. Nilai
Asymp Sig.
yang dihasilkan lebih besar dari 0,05.
Hal tersebut dapat disimpulkan bahwa model regresi tidak terjadi gejala autokorelasi sesuai dengan uji
Run Test
.
3. Analisis Regresi Data Panel
Kategori