Tabel 4.3 Uji
Kolmogorov-smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 39
Normal Parameters
a,b
Mean .0000000
Std. Deviation 5.03632381
Most Extreme Differences
Absolute .096
Positive .086
Negative -.096
Test Statistic .096
Asymp. Sig. 2-tailed .200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Sumber : Hasil Output SPSS 22
Berdasarkan hasil uji statistik Kolmogorov-Smirnov, diperoleh nilaiKolmogorov-SmirnovZ 0,96 dan nilai Asymp. Sig. 2-tailed sebesar
0,200. Signifikansi 0,200 lebih besar daripada tingkat signifikansi yang ditetapkan
α=0,05 sehingga dapat disimpulkan bahwa data terdistribusi secara normal. Hasil uji statistik ini sejalan dengan hasil yang didapatkan
dari analisis grafik.
4.5.2. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana variabel yang independen saling berkorelasi satu sama lain. Hal ini terjadi pada model persamaan
atau regersi linear yang memiliki banyak variabel independen.Kesimpulannya uji multikolinearitas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel bebas
Universitas Sumatera Utara
independen Ghozali, 2005:91.Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas yaitu berdasarkan pada nilai tolerance dan
Variance Inflation factor VIF. Nilai tolerance tidak berbahaya terhadap
gejala multikolinearitas apabila lebih besar dari 0,10 sedangkan nilai VIF yang baik adalah kurang dari 10.
Tabel 4.4 Hasil Uji Multikolinearitas
Sumber: Hasil Output SPSS 22
Pada tabel hasil uji multikolinearitas di atas, diperoleh nilai VIF tidak ada yang melebihi dari nilai 10 dan nilai tolerance 0,10. Dengan
demikian disimpulkan bahwa model regresi tersebut terbebas dari multikolonieritas antar variabel independen dalam model regresi H
a
diterima.
4.5.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya.Cara yang dapat
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 5.614
4.438 1.265
.215 WCT
-.409 .234
-.380 -1.746
.090 .498
2.010 RI
4.002 2.624
.254 1.525
.137 .851
1.175 IT
1.449 .708
.329 2.046
.049 .911
1.098 DAR
-22.437 15.494
-.609 -1.448
.157 .133
7.525 DER
7.707 4.083
.920 1.887
.068 .214
6.725 a. Dependent Variable: ROA
Universitas Sumatera Utara
dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan pengujian Durbin Watson DW test. Dalam model regresi ini tidak terjadi
autokorelasi apabila nilai dU dW 4 – dU
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.472
a
.223 .105
5.404412 2.337
a. Predictors: Constant, DER, IT, RI, WCT, DAR b. Dependent Variable: ROA
Sumber : Hasil output SPSS 22
Berdasarkan tabel 4.5 diatas, menunjukkan nilai Durbin Watson
dalam penelitian ini sebesar 2,337. Bila dibandingkan dengan Durbin Watson tabel dengan n=39 dan k=6 diperoleh nilai
sebesar dL sebesar 1,8587dan nilai dU sebesar 1,1612. Berdasarkan kriteria yang terdapat pada tabel pengambilan
keputusan Durbin Watson, maka dapat disimpulkan tidak terdapat masalah autokorelasi positif atau negatif tidak ada autokorelasi.
4.5.4. Uji Heteroskesdastisitas
