53
b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka H
diterima, yang berarti data terdistribusi normal.
Tabel 4.2 Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 136
Normal Parameters
a,b
Mean .0000000
Std. Deviation 16.20231005
Most Extreme Differences
Absolute .107
Positive .107
Negative -.105
Kolmogorov-Smirnov Z 1.250
Asymp. Sig. 2-tailed .088
a. Test distribution is Normal. b. Calculated from data.
Dari hasil pengolahan data tersebut, besar nilai Kolmogorov-Smirnov adalah 1,250 dengan nilai signifikansi 0,088 maka disimpulkan data
terdistribusi secara normal karena nilai signifikansi diatas 0,05 atau 5 yang menunjukkan Ho diterima. Hal ini sejalan dengan hasil yang
didapatkan dari uji grafik normal diagram dan plot data.
4.2.2.2 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan untuk membuktikan apakah ubahan atau variabel bebas pada penelitian ini dapat diasumsikan tidak saling
berintervensi ketika dibuat pemodelan dengan variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain ketika
Universitas Sumatera Utara
54
1. Jika nilai tolerance 10 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance 10 dan nilai VIF 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut:
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 74.005
13.086 5.655
.000 ASSET
.704 .912
.072 .773
.441 .800
1.250 ROA
-.331 .156
-.184 -2.125 .035
.916 1.092
JO -.577
2.899 -.017
-.199 .843
.960 1.042
KA -7.962
3.484 -.224 -2.286
.024 .718
1.393 a. Dependent Variable: ARL
Pada tabel hasil uji multikolinearitas di atas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan Tolerance 10. Dengan demikian dapat
disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinieritas antar variabel independen dalam model regresi.
4.2.2.3 Uji Heterokedasitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah residu pada model regresi bersifat heterogen atau homogen. Apabila bersifat heterogen, akan
menyebabkan model regresi tidak mampu meramalkan dengan akurat, karena memiliki residu yang tidak teratur. Pada penelitian ini untuk mengatahui ada atau
Universitas Sumatera Utara
55
tidaknya problem heteroskedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola
tertentu, maka dapat dinyatakan bahwa model regresi tidak terkendala heteroskedastisitas.
Gambar 4.2 Hasil Uji Scatter Plot
Berdasarkan grafik scatter plot diatas dapat disimpulkan bahwa model regresi tidak terkendala heteroskedastisitas, karena dari output di atas dapat
diketahui bahwa titik-titik tidak membentuk pola yang jelas, dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.
4.2.2.4 Uji Autokorelasi
