1. Uji Kelayakan Model
Sebelum melakukan analisis sttaistik, penulis terlebih dahulu mengevaluasi model, sehingga model tersebut dapat dikatakan layak
untuk pengujian hipotesis. a.
Uji Multikolinearitas Menurut Ghozali 2005:91 “multikolinearitas dapat dilihat dari 1
nilai tolerance dan 2 variance inflation factor VIF.” Kedua ukuran ini menunjukkan setiap variable independen manakah yang dijelaskan
oleh variable independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance
0,10 dan nilai VIF 10. Setiap peneliti harus menentukan tingkat kolinearitas yang dapat ditolerir misalnya nilai tolerance 0,1 sama
dengan tingkat kolinearitas 0,95.
Coefficients
a
Universitas Sumatera Utara
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 2.697E8
1.005E8 2.683
.013 CR
-2.456E7 2.111E7
-.185 -1.164
.256 .579
1.728 DER
4.781E8 1.981E8
.426 2.413
.024 .469
2.134 ATO
-1.344E8 2.673E7
-.712 -5.029
.000 .730
1.370 NPM
-3.635E7 2.027E7
-.252 -1.794
.086 .738
1.355 ROI
3.294E8 1.276E8
.789 2.582
.017 .156
6.392 ROE
-1.527E8 1.478E8
-.347 -1.033
.312 .129
7.733 a. Dependent Variable: KMK
Tabel 4.2. Berdasarkan data pada lampiran 2 Correlations, hasil besaran korelasi antar
variable independen tampak bahwa hanya variable ROE yang mempunyai korelasi cukup tinggi dengan variable ROI dengan tingkat korelasi sebesar -0,
896 atau sekitar 89,6 95 maka dapat dikatakan tidak terjadi multikolinearitas yang serius. Berdasarkan pada table 4.2., hasil perhitungan
nilai tolerance juga menunjukkan tidak ada variable independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antara
variable independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan bahwa tidak ada satupun
variable independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen
dalam model regresi.
Universitas Sumatera Utara
b. Uji Heterokedastisitas
Menurut Ghozali 2005:105 “deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPRED.” Dasar analisis untuk mengetahui gejala heterokedastisitas :
1. Jika ada pola tertentu seperti titik-titik yang membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heterokedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi
heterokedasisitas.
Universitas Sumatera Utara
Gambar 4.1. Dari grafik scatterplots pada gambar 4.1. terlihat bahwa titik-titik
menyebar secara acak dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak
terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai.
c. Uji Normalitas
Menurut Ghozali 2005:110 ada dua cara untuk mendeteksi apakah residual berdistrius normal atau tidak yaitu dengan anakisis
grafik dan uji statistic. 1.
Analisis Grafik Pada prinsipnya, normalitas dapat didetksi dengan melihat
penyebaran titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Dasar analisis untuk menguji normalitas : •
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal maka model regreis memenuhi asumsi normalitas.
• Jika data menyebar jauh dari diagonal dantidak mengikuti
arah garis diagonal atau grafik histogram tidak
Universitas Sumatera Utara
menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.2.
Gambar 4.3. Dari hasil output SPSS pada gambar 4.2., dapat dilihat bahwa data
menyebar di sekitar garis diagonal dan mengikuti arah garis
Universitas Sumatera Utara
diagonal. Dari histogram yang ada pada gambar 4.3. juga dapat dilihat bahwa bentuk kurva memiliki kemiringan yang seimbang di
sisi kiri dan kanan. Dari output SPSS Normal P-Plot dan histogram dapat dikatakan bahwa model regresi memenuhi asumsi
normalitas. 2.
Analisis Statistik Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-
hati. Menurut Ghozali 2005:113 “uji statistic sederhana dapat dilihat melalui nilai kurtosis dan skewnes dari residual. Pada
tingkat signifikansi 0.05 nilai Ztabel = 1.96 . Jika nilai Zhitung Ztabel, maka distribusi tidak normal.”
Nilai Zskewness dapat dihitung dengan rumus : Zskewness =
N Skewness
6 Nilai Zkurtosis dapat dihitung dengan rumus :
Zkurtosis = N
Kurtosis 24
Descriptive Statistics
N Skewness
Kurtosis Statistic
Statistic Std. Error
Statistic Std. Error
Unstandardized Residual 30
.800 .427
.716 .833
Valid N listwise 30
Tabel 4.3.
Universitas Sumatera Utara
Dari table 4.3. Descrptive Statistics dapat dilihat bahwa nilai Skewness adalah 0.800 dan nilai kurtosis adalah 0.716. Maka :
Zskewness hitung = 30
6 800
. = 1.78 lebih kecil dari 1.96
Zkurtosis hitung = 30
24 716
. = 0.80 lebih kecil dari 1.96
Berdasarkan perhitungan di atas dapat dikatakan bahwa model regresi memenuhi asumsi normalitas.
Selain itu, normalitas juga dapat diuji dengan menggunakan uji statistic non parametric Kolmogorov-Smirnov K-S. Menurut Alhusin 2003:262 “jika
probabilitas 0,05 berarti data memiliki distribusi normal”. Berdasarkan hasil output pada table 4.4., dapat dilihat bahwa nilai
Kolmogorov-Smirnov adalah 0.882 dan signifikansi adalah 0.418. Jadi probabilitas Sig. 0.418 0.05. Dengan demikian dapat disimpulkan bahwa
data ini memiliki distribusi normal, sesuai dengan uji-uji sebelumnya.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 7.97196024E7
Most Extreme Differences
Absolute .161
Positive .161
Negative -.083
Kolmogorov-Smirnov Z .882
Universitas Sumatera Utara
Asymp. Sig. 2-tailed .418
sa. Test distribution is Normal.
Tabel 4.4.
2. Pengujian Hipotesis