Untuk menentukannya maka kriteriannya adalah: Ho diterima apabila nilai signifikansi 0.05
Ha ditolak apabila nilai signifikansi 0.05
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation .35229115
Most Extreme Differences Absolute
.137 Positive
.137 Negative
-.125 Kolmogorov-Smirnov Z
.751 Asymp. Sig. 2-tailed
.626 a. Test distribution is Normal.
Sumber : Data Diolah
Berdasarkan hasil uji statistik terlihat pada tabel 4.2 nilaiKolmogorov- Smirnov Z sebesar0,751 dan signifikasinya pada 0,626,dan nilai
nya diatas α = 0,05 Asymp.Sig = 0,626 0,05sehingga hipotesis H0 diterima, yang berarti data
residual berdistribusi normal.
4.3.2.2 Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen. Nilai yang umum
digunakan untuk menunjukkan tidak adanya multikolonieritas apabila nilai Tolerance 0,10 atau sama dengan VIF 10.
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
.345 .165
2.099 .045 CR
.087 .044
.297 1.974 .059
.979 1.021
DAR -.819
.237 -.520 -3.461 .002
.979 1.021
a. Dependent Variable: ROE
Sumber :Data diolah
Dari tabel diatas, diketahui bahwa nilai Varian Inflation Factor VIF dari Current ratio sebesar 1,021. Nilai VIF untuk varibel current ratio
lebih kecil dari 10 VIF 10 maka dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas.
Diketahui bahwa nilai Varian Inflation Factor VIF dari debt to asset ratio sebesar 1,021. Nilai VIF untuk varibel debt to asset ratio lebih kecil
dari 10 VIF 10 maka dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas.
4.3.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
penggangu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada probelm autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada runtut waktu time series karena gangguan pada seseorang individukelompok yang sama pada periode berikutnya. Model regresi
yang baik sadalah regresi yang bebas dari autokorelasi.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1 df2
Sig. F Change
1 .635
a
.403 .359
.36511 .403
9.116 2
27 .001
2.509 a. Predictors: Constant, DAR, CR
b. Dependent Variable: ROE
Dari tabel diatas kita bisa melihat nilai Durbin-Watson sebesar 2,509 hal ini berarti nilainya diantara 1,65DW2,35 maka dengan demkian dalam
penelitian ini tidak terjadi autokorelasi didalam model regresi.
4.3.2.4 Uji Heteroskedastisitas
