c. Pendekatan Kolmogorv-Smirnov
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv-smirnov 1 Sample KS, dan hasil uji
kolmogorv-smirnov dapat dilihat pada table di bawah ini :
Tabel 4.7
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.84443527
Most Extreme Differences Absolute
.086 Positive
.060 Negative
-.086 Kolmogorov-Smirnov Z
.668 Asymp. Sig. 2-tailed
.763 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil pengolahan SPSS, 2011
Pada tabel 4.6 diatas terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,763 dan di atas nilai signifikan 0,05, sehingga dapat disimpulkan bahwa data
berdistribusi normal.
d. Uji Heteroskedastisitas
Uji heteoskedatisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan
lainnya. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat penyebaran plot melalui
gambar scatterplot berikut ini :
Universitas Sumatera Utara
Gambar 4.3 Grafik Scatterplot Sumber : Hasil Penelitian SPSS, 2011
Dari grafik Scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas pada model regresi ini. Selanjutnya untuk lebih memastikan apakah tidak terjadi
heteroskedastisitas pada model regresi maka dilakukan uji Glejser. Hasil uji Glejser dapat dilihat pada tabel di berikut ini :
Universitas Sumatera Utara
Tabel 4.8
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.242
.327 3.801
.000 LNDAR
.134 .205
.179 .654
.516 LNLDER
-.075 .145
-.141 -.516
.608 a. Dependent Variable: ABSUT
Sumber : Hasil pengolahan SPSS, 2011
Dari hasil pengolahan SPSS seperti terlihat di tabel 4.6 memperlihatkan bahwa tidak satupun variabel independen yaitu DAR dan LDER yang signifikan
secara statistik mempengaruhi variabel dependen EPS absolut absut. Output SPSS yang dihasilkan berdasarkan tabel dapat dilihat bahwa nilai LNDAR sebesar
0,516 dan nilai LNLDER sebesar 0,608. Dengan demikian hal ini menunjukkan nilai probabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan
model regresi tidak mengarah adanya heteroskedastisitas.
e. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi terdapat korelasi kesalahan antara kesalahan penganggu pada periode ke-t dengan
kesalahan pengganggu pada periode sebelumnya period ke t-1. Gejala autokorelasi dapat dideteksi dengan menggunakan Runs-Test. Metode ini sebagai
uji nonparametik dengan tanda positif dan negatif. Hasil pengolahan SPSS dengan menggunakan Run-Test dapat dilihat pada tabel berikut ini :
Universitas Sumatera Utara
Tabel 4.9 Runs Test
Unstandardized Residual
Test Value
a
-.01845 Cases Test Value
30 Cases = Test Value
30 Total Cases
60 Number of Runs
25 Z
-1.562 Asymp. Sig. 2-tailed
.118 a. Median
Sumber : hasil Pengolahan SPSS, 2011
Dari tabel diatas terlihat bahwa nilai Asymp. Sig. 2-tailed adalah sebesar 0,118 nilai signifikansi 0,05 5, sehingga dapat disimpulkan bahwa tidak
terjadi autokorelasi antar nilai residual.
f. Uji Multikolinearitas
