Y = Price Book Value PBV
a = Konstanta
b
1
= Koefisien regresi dari rasio Debt to Assets Ratio DAR
b
2
= Koefisien regresi dari rasio Debt to Equity Ratio DER
b
3
= Koefisien regresi dari Longterm Debt to Assets Ratio LDAR
b
4
= Koefisien regresi dari rasio Longterm Debt to Equity Ratio LDER
b
5
= Koefisien regresi dari rasio Growth
b
6
= Koefisien regresi dari rasio Size
X
1
= Debt to Assets Ratio DAR
X
2
= Debt to Equity Ratio DER
X
3
= Longterm Debt to Assets Ratio LDAR
X
4
= Longterm Debt to Equity Ratio LDER
X
5
= Growth
X
6
= Size
e = Standar error
Model persamaan yang diperoleh dari pengolahan data diupayakan tidak terjadi gejala multikolinieritas, heteroskedastisitas, dan autokorelasi. Untuk
mengetahui ada tidaknya gejala-gejala tersebut akan dilakukan uji asumsi klasik terlebih dahulu.
3.8.1 Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis
ordinary least square Situmorang
Universitas Sumatera Utara
dan Lufti, 2012: 100. Uji asumsi klasik digunakan untuk mengetahui kondisi data yang digunakan dalam penelitian. Hal ini dilakukan agar diperoleh model analisis
yang tepat, yaitu memenuhi model estimasi yang Best Linier Unbiased Estimator.
Model analisis regresi linier penelitian ini mensyaratkan uji asumsi terhadap data yang meliputi: uji normalitas, uji multikolinieritas, uji heteroskedastisitas,
dan uji autokorelasi.
3.8.2 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal yakni distribusi data dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan Situmorang
dan Lufti, 2012: 100. Ada tiga cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak, yaitu dengan pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-Smirnov. Uji normalitas data dengan pendekatan histogram dapat
dilihat dengan kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satunya adalah bahwa
mean, mode, dan median pada tempat yang sama. Pada pendekatan histogram variabel berdistribusi normal jika dapat ditunjukkan oleh
distribusi data yang tidak menceng ke kiri atau menceng ke kanan. Metode lain yang dapat digunakan adalah pendekatan grafik, dengan
melihat normal probability plot. Dasar pengambilan keputusan normal probability
plot dalam uji normalitas yaitu:
Universitas Sumatera Utara
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh garis diagonal dan tidak mengkuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Untuk mendeteksi normalitas data dapat dilakukan dengan uji statistik Kolmogorov Smirnov K-S. Dasar pengambilan keputusan berdasarkan uji
Kolmogorov Smirnov K-S 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 distribusi data adalah
normal.
3.8.3Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai
Tolerance dan lawannya
Variance Inflation Factor VIF. Nilai cut off atau batasan yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai
Tolerance 0,10 atau nilai VIF 5.
Universitas Sumatera Utara
Dasar pengambilan keputusan untuk mendeteksi ada atau tidak adanya multikolinieritas dapat dilakukan dengan melihat toleransi variabel
dan VIF dengan membandingkan Situmorang dan Lufti, 2012: 140:
1. Jika nilai Tolerance 0,1 dan nilai VIF 5, maka diduga mempunyai
persoalan multikolinieritas, artinya model regresi tersebut tidak baik. 2. Jika nilai
Tolerance 0,1 dan nilai VIF 5, maka tidak terdapat multikolinieritas, artinya model regresi tersebut baik.
3.8.4Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama,
dan ini yang seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heteroskedastisitas Situmorang dan
Lufti, 2012: 108. Dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas dapat dilakukan dengan dua pendekatan yaitu:
1. Pendekatan grafik Dengan dasar pengambilan keputusan sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka nol 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 2. Pendekatan Statistik
Universitas Sumatera Utara
Yaitu dengan melakukan uji Glejser. Pengujian ini dilakukan dengan men-
transform data Understandardized Residual ke dalam Absut Situmorang dan Lufti, 2012: 116. Dari hasil output akan diketahui berapa besar nilai
signifikansinya. Apabila nilai Sig. 5, disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
3.8.5Uji Autokolerasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya Situmorang dan Lufti ¸ 2012: 120. Metode
yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi salah satunya adalah dengan menggunakan uji
Durbin Watson, dengan kriteria pengambilan keputusan yaitu:
Tabel 3.4 Kriteria Pengambilan Keputusan
Durbin Watson
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 Sumber: Situmorang dan Lufti 2012: 126
Universitas Sumatera Utara
3.9 Uji Hipotesis 3.9.1 Pengujian secara Simultan Uji F
