Uji Heteroskedastisitas Uji Autokorelasi

67 Tabel 4.2 Kolmogrov-Smirnov Data Perusahaan Properti di Bursa Efek Indonesia One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 30 Normal Parameters a Mean .0000000 Std. Deviation .18617265 Most Extreme Differences Absolute .096 Positive .096 Negative -.084 Kolmogorov-Smirnov Z .527 Asymp. Sig. 2-tailed .944 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2014 Data diolah oleh peneliti Pada Tabel 4.2 dapat dilihat bahwa nilai Asymp.Sig 2-tailed adalah 0,944 dan di atas nilai signifikansi 0,05. Dengan kata lain variabel residual berdistribusi normal. Nilai Kolmogrov-Smirnov Z lebih kecil dari 1,97 yaitu sebesar 0,527 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.

4.5.2 Uji Heteroskedastisitas

Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lainnya. Uji UNIVERSITAS SUMATERA UTARA 68 untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatterplot. Sumber: Hasil Penelitian, 2014 Data diolah oleh peneliti Gambar 4.3 Grafik Scatterplot Perusahaan Properti di Bursa Efek Indonesia Pada Gambar 4.3 terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas. Hal ini menunjukkan tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. Untuk memperoleh hasil heteroskedastisitas yang lebih signifikan dapat dilakukan dengan menggunakan Uji Glejser. UNIVERSITAS SUMATERA UTARA 69 Tabel 4.3 Heteroskedastisitas Uji Glejser Coefficients a Model Unstandardized Coefficients Standardiz ed Coefficien ts t Sig. B Std. Error Beta 1 Constant 9.148 1.070 8.551 .000 KepemilikanInstitusi onal .005 .002 530 2.551 .017 KepemilikanManajer ial .131 .210 .129 6.230 .438 a. Dependent Variable: KebijakanHutang Sumber: Hasil Penelitian, 2014 Data diolah oleh peneliti Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka terdapat indikasi terjadi heteroskedastisitas. Hasil tampilan output SPSS yang tersaji dalam Tabel 4.3 dengan jelas menunjukkan bahwa variabel independen yang signifikan secara statistik mempengaruhi variabel dependent absolut absut. Hal ini terlihat dari probabilitas signifikansi dana jangka panajang diibawah tingkat signifikansi 5. Jadi disimpulkan model regresi tidak mengalami heteroskedastisitas.

4.5.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam sebuah model regresi terdapat korelasi antara variabel pengganggu pada periode tertentu UNIVERSITAS SUMATERA UTARA 70 dengan variabel pengganggu pada periode sebelumnya. Gejala autokorelasi dideteksi dengan menggunakan uji Durbin Watson DW. Kriteria pengambilan keputusan uji autokorelasi ditunjukkan pada tabel berikut: Tabel 4.4 Kriteria Pengambilan Keputusan Uji Autokorelasi Sumber : Situmorang et al 2012 : 126 Tabel 4.5 Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .468 a .219 .161 .19294 2.191 a. Predictors: Constant, KepemilikanManajerial, KepemilikanInstitusional b. Dependent Variable: KebijakanHutang Sumber: Hasil Penelitian, 2014 Data diolah oleh peneliti Pada hasil output SPSS yang digambarkan dalam Tabel 4.5 terlihat nilai DW sebesar 2,1910 dengan jumlah pengamatan sebanyak 30 dan kasus = 3, maka nilai du = 1,7214 dan nilai dl = 3,3541. Melalui data tersebut diperoleh hasil bahwa 0 DW dl 0 2,1910 3,3541. Maka disimpulkan terjadi autokorelasi positif pada model regresi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan yang lainnya. Masalah Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 – dl d 4 Tidak ada korelasi negatif No decision 4 – du ≤ d ≤ 4 – dl Tidak ada autokorelasi positif atau negatif Tidak ditolak Du d 4 – du UNIVERSITAS SUMATERA UTARA 71 ini muncul karena kesalahan pengganggu dari satu observasi tidak bebas ke observasi lainnya. Deteksi terhadap autokorelasi dapat juga dilakukan dengan metode The Runs Test seperti dalam Tabel 4.6 berikut: Tabel 4.6 Autokorelasi ‒ The Runs Test Runs Test Unstandardized Residual Test Value a .1605 Cases Test Value 15 Cases = Test Value 15 Total Cases 30 Number of Runs 16 Z .000 Asymp. Sig. 2-tailed .010 a. Median Sumber: Hasil Penelitian, 2013 Data diolah oleh peneliti Hasil output SPSS menunjukkan bahwa nilai test adalah 0,1605 dengan probabilitas 0,01. Nilai signifikansi berada di bawah 0,05 yang berarti tidak menerima hipotesis nol H . Sehingga dapat disimpulkan bahwa residual bersifat random acak atau tidak terjadi autokorelasi antar nilai residual dalam penelitian perusahaan properti di Bursa Efek Indonesia.

4.5.4 Uji Multikolinearitas