✟ ✠
X
2
= Financial leverage X
3
= Current ratio X
4
= Inventory turnover ratio X
5
= Receivable turnover ratio a
= Konstanta nilai Y apabila X
1
, X
2,
dst = 0 b
= Koefisien regresi nilai peningkatan ataupun penurunan e
= Error Regresi linear berganda harus memenuhi asumsi-asumsi yang ditetapkan agar
menghasilkan nilai-nilai koefisien sebagai penduga yang tidak bias. Pengujian asumsi biasanya menggunakan asumsi klasik dengan uji normalitas, autokorelasi,
heteroskesdastisitas dan multikolinearitas.
3.7 Uji Asumsi Klasik
Uji data dalam penelitian ini menggunakan regresi linear berganda. Dalam analisis regresi linear berganda harus memenuhi asumsi-asumsi yang ditetapkan
agar menghasilkan nilai-nilai koefisien sebagai penduga yang tidak bias. Adapun asumsi-asumsi yang dimaksud adalah sebagai berikut Sanusi, 2014:
1. Variabel tak bebas dan variabel bebas memiliki hubungan linear atau hubungan berupa garis lurus
2. Variabel tak bebas haruslah bersifat kontinu atau setidaknya berskala interval
✡ ☛
3. Keragaman dari selisih nilai pengamatan dan pendugaan harus sama untuk semua nilai pendugaan Y. Jadi, Y-Y’ kira-kira harus sama untuk semua
nilai Y’. Apabila kondisi ini tidak terpenuhi maka disebut heteroskedastisitas
dan residu yang dihitung dari Y-Y’ harus menyebar normal dengan rata-rata nol.
4. Pengamatan-pengamatan variabel tak bebas berikutnya harus tidak berkorelasi. Pelanggaran asumsi ini disebut autokorelasi yang biasanya
terjadi pada data time series runtun waktu. 5. Tidak adanya korelasi yang sempurna antara variabel bebas yang satu
dengan variabel bebas yang lain. Apabila asumsi ini dilanggar disebut multikolinearitas.
3.7.1 Uji Normalitas
Uji normalitas merupakan suatu uji statistik untuk menentukan apakah suatu data terdistribusi normal atau tidak. Model regresi yang baik adalah apabila keduanya
mempunyai distribusi normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat tabel histogram dan penyebaran data titik pada
sumber dari grafik normal probability plot. Data berdistribusi normal jika titik- titik menyebar di sekitar garis diagonal. Jika penyebaran data jauh dari garis
diagonal dan menjauh dari garis diagonal maka data tidak terdistribusi normal.