signifikansinya lebih kecil dari 0,05 maka data tidak terdistribusi normal.
Table 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 66
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation ,11547561
Most Extreme Differences Absolute
,127 Positive
,127 Negative
-,068 Kolmogorov-Smirnov Z
1,030 Asymp. Sig. 2-tailed
,240 a. Test distribution is Normal.
b. Calculated from data.
Hasil uji Kolmogorov-Smirnov pada tabel diatas menunjukkan nilai profitabilitas = 0,240. Dengan demikian, data pada
penelitian ini terdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,240 0,05.
4.2.2.2 Uji Heterokedastisitas
Menurut Ghozali 2006, uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homoskedastisitas. Cara yang digunakan untuk mendeteksi ada
tidaknya gejala heterokedastisitas adalah dengan melihat grafik scatterplot
.
Universitas Sumatera Utara
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik yang menyebar di atas dan
di bawah angka 0 pada sumbu Y serta tidak membentuk pola, maka tidak terjadi heterokedastisitas.
Gambar 4.3 Uji Heterokedastisitas
Scatterplot
Pada gambar 4.3 tentang grafik scatterplot di atas dapat terlihat titik-titik menyebar acak dan tidak membentuk suatu pola
tertentu yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terjadinya heterokedastisitas,
sehingga model regresi layak digunakan untuk melihat pengaruh variabel independen terhadap variabel dependen.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan sebelumnya. Model regresi yang baik
Universitas Sumatera Utara
adalah yang bebas dari autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson.
Cara mendeteksinya yaitu dengan mengamati hal berikut: a. Angka D-W di bawah -2 berarti ada autokorelasi positif.
b. Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.3 Hasil Uji Autokorelasi
Tabel 4.3 memperlihatkan nilai statistik D-W sebesar 1,831. Angka ini terletak di antara -2 sampai +2, sehingga dapat disimpulkan
bahwa tidak terjadi autokorelasi dalam penelitian ini.
4.2.2.4 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi diantara variabel bebas.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi dilakukan dengan melihat nilai VIF
Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,731
a
,534 ,512
,11824 1,831
a. Predictors: Constant, likuiditas, growth opportunity, enterprise size b. Dependent Variable: Debt Ratio
Universitas Sumatera Utara
Tabel 4.4 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
enterprise size ,945
1,059 growth opportunity
,981 1,019
likuiditas ,942
1,062 a. Dependent Variable: Debt Ratio
Berdasarkan tabel 4.4 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak
ada yang memiliki nilai tolerance lebih kecil dari 0,1. Jadi, dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas
dan semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
4.3 Pengujian Hipotesis 4.3.1 Uji Koefisien Determinasi R
