X3 = Debt To Asset Ratio
X4 = Interest Rate
e = Tingkat kesalahan pengganggu
3.6 Pengujian asumsi klasik
Peneliti menggunakan pengujian asumsi klasik yang meliputi :
3.6.1 Uji normalitas
Menurut Ghozali 2005 , “uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal”. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005, yaitu : analisis grafik
dan analisis statistik. 1. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dan distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data
residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya
akan mengikuti garis diagonalnya.
2. Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan
nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-
Simrnov K-S.
Universitas Sumatera Utara
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov dapat
dilihat dari : 1. Nilai Sig, atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal, 2. Nilai Sig, atau signifikan atau probabilitas 0,05, maka distibusi data
adalah normal.
3.6.2 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun satu dengan lainnya. Hal ini sering ditemukan pada time
series. Pada data crossection, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian ini untuk mendeteksi ada atau tidaknya
autokorelasi dapat dilihat dengan menggunakan uji Durbin-Watson. Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu first
order autocorelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lagi diantara variabel
dependen. Hipotesis yang akan diuji adalah : • Ho : tidak ada autokorelasi r = 0
• Ha : ada autokorelasi r ≠ 0
Pengambilan keputusan ada tidaknya autokorelasi yaitu :
Universitas Sumatera Utara
1. Bila nilai DW terletak antara batas atas atau upper bound du dan 4- du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi. 2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl,
maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat
disimpulkan.
3.6.3 Uji heterokedastisitas
Kategori