Tabel 4.2 Uji Kolmogorov-Smirnov
.
sumber: data olahan SPSS, 2014
Tabel 4.2 menunjukkan nilai Asymp. Sig 2-tailed sebesar 0,614. Angka ini lebih besar dibandingkan nilai signifikannya 0,05, maka dapat
disimpulkan bahwa variabel residual berdistribusi normal.
2. Uji Heteroskedastisitas
Dalam persamaan regresi pasti muncul residu, yakni variabel lain yang terlibat, tetapi tidak dimuat dalam model, sehingga variabel tersebut
diasumsikan bersifat acak. Jika data residu tidak bersifat acak, maka dapat dikatakan data terkena heteroskedastisitas. Uji ini juga bertujuan untuk
menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika variansnya sama, maka dapat dikatakan terdapat
homokedastisitas, namun jika sebaliknya, maka dikatakan terjadi heteroskedastisitas. Data yang baik adalah data yang tidak mengalami
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a
Mean .0000000
Std. Deviation .66079883
Most Extreme Differences Absolute
.098 Positive
.098 Negative
-.049 Kolmogorov-Smirnov Z
.758 Asymp. Sig. 2-tailed
.614 a. Test distribution is Normal.
Universitas Sumatera Utara
heteroskedastisitas. Uji heteroskedastisitas yang digunakan dalam penelitian ini adalah metode grafik dan Glejser Test.
sumber: hasil olahan SPSS, 2014
Gambar 4.3 Scatterplot
Gambar 4.3 merupakan grafik scatterplot dari variabel dependen nilai perusahaan dengan pendekatan PBV. Grafik menunjukkan titik-titik
menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini
menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Namun, metode pendekatan grafik ini memiliki kelemahan dalam
memprediksi heteroskedastisitas. Kelemahannya yakni jika jumlah pengamatan yang dilakukan atau data yang ada jumlahnya sedikit, maka sulit
untuk menginterpretasikan hasil grafik scatterplot. Untuk itu, dalam
Universitas Sumatera Utara
penelitian ini digunakan uji lain untuk memprediksi heteroskedastisitas, yakni Glejser Test
.
Tabel 4.3 Glejser Test
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
.249 .173
1.437 .156
LN_PER .070
.056 .164
1.254 .215
LN_DER -.043
.065 -.091
-.659 .513
LN_KI -.244
.194 -.173
-1.260 .213
a. Dependent Variable: Absut
sumber: hasil olahan SPSS, 2014 Tabel 4.3 menunjukkan hasil pengujian Glejser Test. Jika variabel
independen berpengaruh secara signifikan terhadap variabel dependen absolut Ut, maka hal ini mengindikasikan terjadinya heteroskedastisitas. Namun hasil
pengujian menunjukkan probabilitas signifikansi variabel independen berada di atas tingkat kepercayaan 5. Hal ini berarti model regresi tidak mengalami
persoalan heteroskedastisitas.
3. Uji Autokorelasi