4.3. Hasil Analisis Statisik Inferensial 4.3.1. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
35 .0000000
19.09226518 .157
.157 -.131
.932 .351
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Dengan menggunakan Uji Kolmogorov-Smirnov terhadap nilai residual persamaan regresi, diperoleh nilai signifikansi sebesar
0,351 0,05. Dengan demikian dapat disimpulkan bahwa data pada persamaan regresi memiliki distribusi data yang normal.
4.3.2. Uji Asumsi-asumsi Klasik 1. Pengujian adanya Multikolinieritas
Untuk mengetahui adanya multikolinieritas dengan cara melihat mengamati besarnya VIF, apabila VIF 10 maka regresi
bebas dari multikolinier sedangkan apabila VIF 10 Regresi
mengandung multikolinier Wahana Komputer, 2005:38. Adapun hasil perhitungan dengan komputer adalah sebagai berikut :
Tabel 4.9 Nilai VIF
Variabel Tolerance
VIF ProfitabilitasX1
LikuiditasX2 SolvabilitasX3
0.677 0.825
0.580 1.477
1.212 1.724
Sumber : lampiran
Hasil uji multikolinieritas menunjukkan nilai VIF variabel X1=1,477; X2=1,212; dan X3=1,724. Nilai VIF tersebut semuanya
kurang dari 10, atau tidak ada gejala multikolinieritas yang tinggi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi
multikolinieritas pada persamaan regresi dapat dipenuhi.
2. Pengujian adanya autokorelasi
Salah satu metode yang digunakan untuk mendeteksi adanya autokorelasi adalah dengan metode Uji Durbin-Watson d. Adapun
pengujiannya adalah sebagai berikut : 1.
Banyaknya sampel N = 35 2.
Banyaknya variabel bebas k = 3 3.
Taraftingkat signifikansi yang digunakan = 0,05
Adapun kriteria pengujiannya adalah sebagai berikut :
Tabel 4.10 Batas-batas daerah Test Durbin Watson
Daerah Keterangan
Kurang Dari 1,10 1,10 sampai 1,54
1,55 sampai 2,46 2,47 sampai 2,90
Lebih dari 2,90
Autokorelasi positif Tanpa kesimpulaninconclusive
Non autokorelasi Tanpa kesimpulaninconclusive
Autokorelasi negatif Sumber : lampiran
Hasil uji autokorelasi menunjukkan nilai DW sebesar 2,198. Berdasarkan kriteria DW pada table DW bab 3 halaman 60, Nilai DW
2,198 terletak antara 1,55 sampai 2,46; dan terletak di daerah tidak
terdapat autokorelasi. Dengan demikian dapat disimpulkan bahwa
asumsi tidak terjadi autokorelasi pada persamaan regresi dapat dipenuhi.
Ada Autokorelasi
Daerah Ker agu-
raguan
Daerah Ker agu-
raguan Ada
Autokorelasi Negati
Tidak Autokorelasi
DL= 1.55
4-DU= 2.47
DU= 2.46
4-DL= 2.90
4 Positif
Dw = 2.198
3. Pengujian adanya Heteroskedastisitas
Salah satu metode yang dipakai untuk mengetahui adanya Heteroskedastisitas adalah dengan Uji Rank Spearman atau Spearman
Rho. Adapun hasil perhitungan dari komputer adalah sebagai berikut :
Tabel 4.11 Korelasi antara variabel bebas dengan Residual error
Variabel Korelasi
Probabilitas ProfitabilitasX1
LikuiditasX2 SolvabilitasX3
1.628 -0.657
-0.657 0.144
0.560 0.516
Sumber : lampiran data diolah
Pengambilan keputusan : Ho ditolak, jika Probabilitas
0,05, maka terjadi Heteroskedastisitas
Ho diterima jika Probabilitas 0,05, maka terjadi Heteroskedastisitas
Uji heteroskedastisitas dengan metode Glejser menunjukkan nilai signifikansi variabel X1=0,114; X2=0,560; dan X3=0,516; yang
semuanya 0,05, atau tidak terjadi heteroskedastisitas. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi
heteroskedastisitas pada persamaan regersi dapat dipenuhi. Dari Pendeteksian terhadap asumsi-asumsi klasik diatas dapat
disimpulkan bahwa regresi sudah tidak terdapat estimator-estimator
yang bias atau sudah memenuhi kriteria BLUE Best Linear Unbiased Estimator.
4.3.3. Regresi Linier Berganda