commit to user
C. Pengujian Asumsi Klasik
Model regresi dalam penelitian dapat digunakan untuk estimasi dengan signifikan dan representative jika model regresi tersebut tidak
menyimpang dari asumsi dasar klasik regresi berupa: normalitas, autokorelasi, heterokedastisitas dan multikolinearitas.
1. Uji Normalitas
Hasil pengujian normalitas data secara ringkas hasil ditunjukkan pada tabel berikut:
Tabel IV.3 Hasil Uji Normalitas Data 1
Unstandardized Residual N
388 Mean
.0000000 Normal Parameters
a
Std. Deviation 43.89916461
Absolute .370
Positive .370
Most Extreme Differences Negative
-.358 Kolmogorov-Smirnov Z
7.283 Asymp. Sig. 2-tailed
.000 Sumber : Hasil Pengolahan Data
Uji normalitas dalam penelitian ini menggunakan uji Kolmogorov- Smirnov terhadap residual regresi yang dilakukan dengan program SPSS
16.0. tabel di atas menunjukkan bahwa data penelitian terdistribusi tidak normal dengan nilai asymp sig. 0,000 yang lebih kecil 5. Oleh karena
data tidak berdistribusi normal, dilakukan proses outlier data penelitan
commit to user
dengan menggunakan z-score. Metode outlier ini dilakukan dengan membuang data yang mempunyai nilai ekstrem. Setelah dilakukan proses
outlier ini, diperoleh data penelitian sejumlah 180 data penelitan sehingga tersisa 208 data penelitian yang diuji normalitas datanya dengan
menggunakkan nilai residual. Hasil pengujian normalitas data yang telah di outlier dapat
ditunjukkan dengan tabel berikut: TABEL IV.4
Hasil Uji Normalitas Data 2
Hasil pengujian
Kolmogorov-Smirnov dengan residual atas data setelah proses outlier dapat diketahui p-value lebih besar dari 5 p
α yaitu sebesar 0,071, maka dapat dinyatakan bahwa data memiliki sebaran
data normal. Sehingga dapat disimpulkan bahwa syarat model regresi dapat terpenuhi.
Unstandardized Residual N
208 Mean
.0000000 Normal Parameters
a
Std. Deviation .65789322
Absolute .090
Positive .090
Most Extreme Differences Negative
-.052 Kolmogorov-Smirnov Z
1.292 Asymp. Sig. 2-tailed
.071 Sumber : Hasil Pengolahan data
commit to user
2. Uji Multikolinearitas
Multikolinearitas digunakan untuk mengetahui korelasi antar variabel independen. Model regresi yang baik adalah model yang tidak
terdapat korelasi antara variabel independen atau korelasinya rendah. Keberadaan multikolinearitas diketahui dengan Varians Inflating Factor
VIF dan Tolerance. Hasil uji multikolinearitas tersaji pada tabel berikut ini.
Tabel IV.5 Hasil Uji Multikolinearitas
Variabel Tolerance VIF Keterangan
INS
0.901 1.109
Tidak terdapat multikolinearitas IOS
0.972 1.029
Tidak terdapat multikolinearitas Size
0.712 1.404
Tidak terdapat multikolinearitas ROA
0.837 1.195
Tidak terdapat multikolinearitas CFO
0.742 1.348
Tidak terdapat multikolinearitas Sumber : Hasil Pengolahan Data
Hasil pengujian multikolinearitas menunjukkan bahwa semua variabel independen memiliki nilai tolerance lebih dari 0,1 10, tidak
ada korelasi antar variabel bebas yang nilainya lebih dari 90. Hasil penghitungan juga menunjukkan bahwa semua variabel bebas memiliki
VIF kurang dari 10, sehingga dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam model regresi yang digunakan.
commit to user
3. Uji Autokorelasi
Kategori