Pada gambar 5.2 di atas terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa data berdistribusi
normal atau mendekati normal. Berdasarkan uji One-Sample Kolmogorov-Smirnov, diperoleh hasil sebagai
berikut :
Tabel 5.3. Uji Normalitas Data One-Sample Kolmogorov-Smirnov
Setelah Transformasi dan Pengeluaran Data Outlier
Unstandardized Residual
N 121
Normal Parameters
Mean
a,b
.0000000 Std. Deviation
.21559513 Most Extreme
Differences Absolute
.071 Positive
.071 Negative
-.050 Kolmogorov-Smirnov Z
.785 Asymp. Sig. 2-tailed
.569 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil uji pada tabel 5.3 di atas dapat dilihat nilai signifikansi Asymp. Sig. 2-tailed adalah sebesar 0,569 0,05 yang berarti bahwa data berdistribusi normal.
Dengan demikian berdasarkan grafik normal Pobability Plot dan uji One-Sample Kolmogorov-Smirnov di atas diketahui bahwa setelah transformasi dan pengeluaran data
outlier maka data telah berdistribusi normal.
5.2.2. Hasil Pengujian Multikolonieritas
Universitas Sumatera Utara
Pengujian ini dilakukan untuk melihat apakah terdapat korelasi antara variabel independen. Pengujian dilakukan dengan melihat Tolerance Value dan Variance Inflation
Factor VIF, sebagai berikut :
Tabel 5.4. Uji Multikolonieritas Berdasarkan Nilai Tolerance Value
dan Variance Inflation Factor VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant SQRT_Posisi_Kas
.631 1.585
SQRT_Pertumbuhan .882
1.134 SQRT_Ukuran_Perusahaan
.886 1.128
SQRT_Rasio_Hutang_Terhadap_Ekuitas_DER .338
2.955 SQRT_Profitabilitas_ROA
.603 1.657
SQRT_Likuiditas .335
2.985
a. Dependent Variable: SQRT_Rasio_Pembayaran_Dividen_DPR
Berdasarkan hasil uji pada tabel 5.4 di atas dapat dilihat bahwa semua variabel mempunyai nilai Tolerance 0,1 dan nilai Variance Inflation Factor VIF 5. Oleh
karena tolerance value 0,1 atau VIF 5 maka disimpulkan tidak terjadi multikolonieritas.
5.2.3. Hasil Pengujian Heteroskedastisitas
Pengujian ini dilakukan untuk melihat apakah dalam sebuah model regresi, terjadi ketidaksamaan varian dari residual dalam rangkaian suatu pengamatan ke pengamatan
Universitas Sumatera Utara
lainnya. Pengujian dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID, sebagai berikut :
Gambar 5.3. Uji Heteroskedastisitas - Grafik Scatterplot
Pada gambar 5.3. di atas terlihat bahwa titik-titik menyebar di atas dan di bawah angka 0 nol pada sumbu y dan tidak ada pola yang jelas, sehingga dapat disimpulkan tidak
terjadi heteroskedastisitas.
5.2.4. Hasil Pengujian Autokorelasi
Universitas Sumatera Utara
Pengujian ini dilakukan untuk melihat apakah dalam sebuah model regresi linier terdapat korelasi antara variabel pengganggu pada priode tertentu dengan variabel
pengganggu pada priode sebelumnya. Pengujian dilakukan dengan melihat nilai Durbin- Watson, sebagai berikut :
Tabel 5.5. Uji Autokorelasi - Durbin-Watson
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .444
.197
a
.155 .22120
1.981 a. Predictors: Constant, SQRT_Likuiditas, SQRT_Profitabilitas_ROA,
SQRT_Ukuran_Perusahaan, SQRT_Pertumbuhan, SQRT_Posisi_Kas, SQRT_Rasio_Hutang_Terhadap_Ekuitas_DER
b. Dependent Variable: SQRT_Rasio_Pembayaran_Dividen_DPR
Berdasarkan hasil uji pada tabel 5.5 di atas dapat dilihat bahwa nilai Durbin-Watson DW adalah sebesar 1,981. Berdasarkan tabel statistik Durbin-Watson
dengan α = 0,05, jumlah data n = 121 dan jumlah variabel independen k = 6 diketahui bahwa nilai dl =
1,549 dan nilai du = 1,752. Dengan demikian dapat disimpulkan bahwa : -
dU ≤ DW ≤ 4-dU atau 1,752 ≤ 1,981 ≤ 4-1,752
- 1,752
≤ 1,981 ≤ 2,248 Berdasarkan kriteria yang telah ditetapkan tersebut, menunjukkan bahwa tidak terdapat
permasalahan autokorelasi.
5.3. Hasil Analisis Data