dan standar deviasi variabel ini adalah 53,01827 dengan jumlah sampel sebanyak 30,
e. Variabel Y Profitabilitas memiliki nilai minimum -8,36 dan nilai
maksimum 35,19 dengan rata-rata perputaran persediaan sebesar 9,3183 dan standar deviasi variabel ini adalah 8,68641 dengan jumlah sampel
sebanyak 30,
2. Uji Asumsi Klasik
a. Uji Normalitas
Hasil uji normalitas pada penelitian ini menggunakan model Kolmogrov-Smirnov dan grafik histogram.
Tabel 4.2 Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a,b
Mean .0000000
Std. Deviation 7.73501662
Most Extreme Differences Absolute
.191 Positive
.191 Negative
-.115 Kolmogorov-Smirnov Z
1.044 Asymp. Sig. 2-tailed
.225 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS, diolah penulis
Pada tabel terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,225 dan diatas nilai signifikan 0,05, dengan kata lain variabel residual
berdistribusi normal.
Gambar 4.1 Hasil Uji Normalitas 2
Pada grafik histogram terlihat bahwa variabel Y Return on Assets berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak
menceng skewness ke kiri maupun ke kanan atau normal.
b. Uji Multikolinearitas
Ada atau tidak adanya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan
membandingkan sebagai berikut: 1
VIF 5 maka diduga mempunyai persoalan multikolinearitas 2
VIF 5 maka tidak terdapat multikolinearitas 3
Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas 4
Tolerance 0,1 maka tidak terdapat multikolinearitas Dari hasil output terlihat bahwa semua data variabel tidak terkena
multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
7.124 3.046
2.339 .028
X1 -.059
.080 -.154
-.733 .470
.723 1.384
X2 -.017
.034 -.168
-.495 .625
.274 3.646
X3 1.231
.852 .512
1.445 .161
.253 3.960
X4 -.068
.035 -.417 -1.934
.065 .683
1.465 a. Dependent Variable: Y
Sumber: Output SPSS, diolah penulis
c. Uji Autokolerasi
Uji ini bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 atau sebelumnya. Masalah autokolerasi
umumnya terjadi pada regresi yang datanya time series. Hasil dari uji autokorelasi dapat dilihat pada table 4.4 berikut.
Tabel 4.4 Hasil Uji Autokolerasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 . 455
a
.207 .080
8.33087 2.035
a. Predictors: Constant, X4, X1, X2, X3 b. Dependent Variable: Y
Sumber: Output SPSS, diolah penulis
Tabel 4.4 menunjukkan hasil autokorelasi variabel penelitian. Table di atas menunjukkan bahwa hasil Durbin Watson DW adalah
sebesar 2,035 dan berada pada daerah No Autocorelation yaitu diantara nilai du 1,74 dan 4-du 2,26 yang artinya tidak terjadi autokolerasi pada
model regresi karena 1,74 2,035 2,26.
d. Uji Heteroskedastisitas
