5.3 Hasil Pengujian Asumsi Klasik
Sebelum melakukan pengujian model regresi linear berganda metode enter, terlebih dahulu dilakukan pengujian Classical Normal Linear Regression Model
untuk semua variabel yang terdiri dari uji normalitas, uji autokorelasi, uji
multikolinearitas, dan uji heterokedastisitas. a. Uji Normalitas
Sebelum dilakukan pengujian terhadap hipotesis, dilakukan terlebih dahulu uji normalitas data. Pengujian normalitas ini bertujuan untuk melihat normal tidaknya
data yang akan dianalisis. Pengujian normalitas data dilakukan dengan menggunakan One Sample Kolmogorov-Smirnov Test, dengan melihat tingkat signifikansi 5.
Dasar pengambilan keputusan dari uji normalitas adalah dengan melihat probabilitas asymp.sig 2-tailed 0.05 maka data berdistribusi normal dan sebaliknya jika
asymp.sig 2-tailed 0.05 maka data berdistribusi tidak normal. Pada Tabel 5.2 berikut ini dapat dilihat pengujian terhadap variabel-variabel yang digunakan dalam
penelitian ini.
Universitas Sumatera Utara
Tabel 5.2 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Pertumbuhan Perusahaan
IOS Profitabilitas
Risiko Bisnis
Ukuran Perusahaan
Struktur Aktiva
Operating Leverage
Struktur Modal
N
108 108
108 108
108 108
108 108
Mean
.39908 1.386
.12020 .1569
1.4421 .37901
-1.0885 .63350480
Normal Parameters
a,b
Std. Deviation
.65325 .5135
.083445 .0095
.023597 .174590
.94395 .37444398
Absolute
.088 .110
.108 .112
.070 .070
.110 .118
Positive
.088 .110
.103 .094
.070 .070
.083 .118
Most Extreme Differences
Negative
-.080 -.082
-.108 -.112
-.055 -.056
-.110 -.074
Kolmogorov-Smirnov Z
.917 1.145
1.121 1.164
.730 .726
1.145 1.224
Asymp. Sig. 2-tailed
.370 .145
.162 .133
.661 .667
.145 .100
b. Uji Autokorelasi
Uji asumsi klasik kedua dalam penelitian ini adalah uji autokorelasi. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada
korelasi antara kesalahan pengganggu pada periode tertentu t dengan kesalahan pada periode sebelumnya t-1. Ada beberapa cara yang dapat digunakan untuk
mendeteksi ada atau tidaknya autokorelasi. Salah satunya adalah dengan uji Durbin- Watson Durbin-Watson test. Pengambilan keputusan dapat didasarkan pada
Ghozali 2001:60-61: 1.
Bila nilai DW terletak diantara batas atas atau upperbound du dan 4-du, maka koefisien korelasi autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah dari pada batas bawah atau lower bound dl, maka
koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
Universitas Sumatera Utara
3. Bila nilai DW lebih besar dari pada 4-dl, maka koefesien autokorelasi lebih
kecil dari pada nol, berarti ada autokorelasi negatif. 4.
Bila nilai DW terletak diantara batas atas du dan batas bawah dl atau DW
terletak antara 4-du dan 4-dl maka hasilnya tidak dapat disimpulkan. Tabel 5.3
Uji Autokorelasi Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .506
a
.256 .204
.334031532 2.179
a. Predictors: Constant, Operating Leverage, Profitabilitas, Pertumbuhan Perusahaan, IOS, Struktur Aktiva, Ukuran Perusahaan, Risiko Bisnis
b. Dependent Variable: Struktur Modal
Berdasarkan tabel 5.3, nilai dw = 2.179 du=1,8027, 4-du=2,1973 maka dudw4-du. Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi
positif maupun negatif dalam model penelitian, yang berarti tidak terkena masalah aotokorelasi baik positif maupun negatif.
c. Uji Multikolinearitas