Dari tabel 4.1 dapat dijelaskan bahwa: 1. Variabel GPM Y memiliki nilai minimum sebesar -0.31, nilai maksimum
sebesar 61.24, nilai rata-rata 29.0717, dan standar deviasi sebesar 16.88727 dengan jumlah pengamatan sebanyak 52.
2. Variabel ITR X
1
memiliki nilai minimum sebesar 0.45, nilai maksimum sebesar 33.66, nilai rata-rata 8.8226, dan standar deviasi sebesar 6.68166
dengan jumlah pengamatan sebanyak 52. 3. Variabel DTR X
2
memiliki nilai minimum sebesar 1.47, nilai maksimum sebesar 17.13, nilai rata-rata 7.0790, dan standar deviasi sebesar 2.38589
dengan jumlah pengamatan sebanyak 52.
C. Pengujian Asumsi Klasik
Agar menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik, maka perlu dilakukan perbaikan terlebih dahulu.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Untuk menguji apakah residual berdistribusi normal
dapat digunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis.
H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Universitas Sumatera Utara
Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan sebaliknya, jika nilai signifikansi lebih kecil dari 0.05, maka H0 ditolak datau
Ha diterima.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters
a
Mean .0000000
Std. Deviation 14.21391700
Most Extreme Differences Absolute
.082 Positive
.082 Negative
-.080 Kolmogorov-Smirnov Z
.594 Asymp. Sig. 2-tailed
.872 a. Test distribution is Normal.
Sumber: Hasil pengolahan SPSS 16, 2013 Dari pengolahan data pada tabel 4.2 diperoleh besarnya nilai Kolmogorov-
Simirnov adalah 0.594 dan signifikansi pada 0.872. Nilai signifikansi lebih besar dari 0.05, maka H0 diterima yang berarti nilai residual berdistribusi
normal. Setelah data berdistribusi normal, maka dapat dilanjutkan dengan uji asumsi klasik lainnya.
Berikut dilampirkan grafik histogram dan grafik P-Plot data yang telah berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber: Hasil pengolahan SPSS 16, 2013 Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal
karena grafik tidak menceng ke kiri maupun menceng ke kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi
normalitas.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber: Hasil pengolahan SPSS 16, 2013 Pada grafik normal p-plot terlihat bahwa data menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi
terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan untuk
Universitas Sumatera Utara
mendeteksi ada tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan VIF variance inflation factor. Pada suatu model regresi
dinyatakan terjadi multikolinearitas apabila nilai tolerance 0.10 dan VIF 10 Ghozali, 2006 : 92.
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber: Hasil pengolahan SPSS 16, 2013 Dari data pada tabel 4.3, dapat disimpulkan bahwa berdasarkan nilai
Tolerance variabel-variabel independen menunjukkan nilai lebih dari 0.10 dan nilai VIF-nya kurang dari 10. Dengan demikian semua variabel
independen bebas dari pengujian asumsi klasik multikolinearitas, sehingga variabel-variabel independen ini tidak perlu dikeluarkan dari model regresi.
3.
Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Dalam model regresi yang baik tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi
dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
ITR .998
1.002 DTR
.998 1.002
a. Dependent Variable: GPM
Universitas Sumatera Utara
membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu
yang teratur dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y.
Berikut ini merupakan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas dalam model regresi dengan mengamati penyebaran titik-
titik pada gambar.
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
Sumber: Hasil pengolahan SPSS 16, 2013 Dari grafik scatterplotterlihat bahwa titik-titik menyebar secara acak serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi
sehingga layak digunakan untuk melihat pengaruh vaiabel independen ITR dan DTR terhadap GPM pada perusahaan manufaktur yang terdaftar di BEI.
Universitas Sumatera Utara
4. Uji Autokorelasi