Uji Normalitas Data Uji Asumsi Klasik

perpustakaan.uns.ac.id digilib.uns.ac.id commit to user 32 Variabel likuiditas memiliki nilai minimum sebesar 0.00 dengan nilai maksimum 0.36. Nilai rata-rata likuiditas sebesar 0.07 dengan standar deviasi sebesar 0.17. Variabel growth memiliki nilai minimum sebesar -0.95 dengan nilai maksimum 0.72. Nilai rata-rata growth sebesar 0.02 dengan standar deviasi sebesar 0.19. Variabel leverage memiliki nilai minimum sebesar 0.10 dengan nilai maksimum 1.98. Nilai rata-rata leverage sebesar 0.58 dengan standar deviasi sebesar 0.32. Variabel ukuran perusahaan memiliki nilai minimum sebesar 24.51 dengan nilai maksimum 31.31. Nilai rata-rata ukuran perusahaan sebesar 27.21 dengan standar deviasi sebesar 1.33. Variabel nilai perusahaan memiliki nilai minimum sebesar 0.13 dengan nilai maksimum 17.60. Nilai rata-rata nilai perusahaan sebesar 3.38 dengan standar deviasi sebesar 3.45.

C. Uji Normalitas Data

Uji Normalitas bertujuan mengetahui apakah data yang digunakan dalam penelitian telah terdistribusi dengan normal. Ghozali 2005 data terdistribis dengan normal jika residual terdistribusi dengan normal, yaitu hasil pengujian dengan One-Sample Kolmogorov Smirnov test memberikan hasil signifikansi di atas 0,05. Hasil uji normalitas data tersaji pada tabel berikut ini. perpustakaan.uns.ac.id digilib.uns.ac.id commit to user 33 Tabel IV.3 Uji Normalitas Data + N 169 Normal Parametersa,b Mean .0000000 Std. Deviation 2.92381012 Most Extreme Differences Absolute .102 Positive .102 Negative -.066 Kolmogorov-Smirnov Z 1.324 Asymp. Sig. 2-tailed .060 Sumber : Hasil Pengolahan Data Hasil uji normalitas data dengan One-Sample Kolmogorov Smirnov test menunjukkan nilai signifikansi residual sebesar 0.060. Nilai tersebut berada di atas 0.05 sehingga penulis menyimpulkan bahwa data dalam penelitian ini telah normal.

D. Uji Asumsi Klasik

1. Uji Multikolinieritas Uji multikolinieritas digunakan untuk mengetahui korelasi antar variabel independen. Model regresi yang baik adalah model yang tidak terdapat korelasi antara variabel independen atau korelasi antar variabel independennya rendah. Keberadaan multikolinieritas di deteksi dengan Varians Inflating Factor VIF dan Tolerance Ghozali, 2005. Hasil uji multikolinieritas tersaji pada tabel berikut ini. perpustakaan.uns.ac.id digilib.uns.ac.id commit to user 34 Tabel IV.4 Uji Multikolinieritas Variabel Tolerance VIF Keterangan MAN 0.870 1.149 Tidak terdapat multikolinieritas INST 0.906 1.104 Tidak terdapat multikolinieritas LIQ 0.886 1.128 Tidak terdapat multikolinieritas GROWTH 0.824 1.213 Tidak terdapat multikolinieritas LEV 0.871 1.148 Tidak terdapat multikolinieritas LNSIZE 0.801 1.248 Tidak terdapat multikolinieritas Sumber : Hasil Pengolahan Data Hasil uji VIF dan Tolerance menunjukan bahwa semua variabel dalam penelitian ini menunjukan bahwa semua nilai tolerance di atas 10 dan semua nilai VIF dibawah 10. Sehingga dapat kita simpulkan bahwa dalam model regresi tidak terjadi multikolinieritas. 2. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah didalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi dalam penelitian ini dideteksi dengan menggunakan uji Durbin Watson yaitu dengan membandingkan nilai Durbin Watson hitung d dengan nilai Durbin Watson tabel yaitu batas lebih tinggi upper bond atau d u dan batas lebih rendah lower bond atau d 1 . Hasil uji autokorelasi dengan Durbin Watson dapat dilihat pada tabel berikut ini : perpustakaan.uns.ac.id digilib.uns.ac.id commit to user 35 Tabel IV.5 Uji Autokorelasi D-W Hitung Kriteria Keterangan 1.624 Mendekati + 2 Tidak terdapat autokorelasi Sumber : Hasil Pengolahan Data Hasil uji autokorelasi dengan menggunakan uji Durbin Watson menunjukan nilai DW hitung sebesar 1.624. Hasil tersebut mendekati nilai +2 sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi autokorelasi. 3. Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini diuji dengan scaterplots. Hasil uji heteroskedastisitas persamaan regresi disajikan pada gambar berikut ini: perpustakaan.uns.ac.id digilib.uns.ac.id commit to user 36 Regression Standardized Predicted Value 3 2 1 -1 -2 -3 R e gr e s s ion S tud e nt iz e d R e s idu a l 4 3 2 1 -1 -2 Scatterplot Dependent Variable: PBV Gambar IV.1 Uji Heteroskedastisitas Sumber : Hasil Pengolahan Data Hasil uji heteroskedastisitas menunjukan bahwa titik-titik tersebar di atas dan dibawah angka nol. Titik-titik menyebar dan tidak membentuk pola tertentu yang teratur sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas

E. Uji Hipotesis