8
Tabel 4.4 Hasil Uji Normalitas Data
Kolmogorov- Smirnov Z
Asymp. Sig. 2- tailed
Unstandardized Residual 1.05
0.221 Keterangan
Normal Sumber: Hasil olah data, 2014
Dari data di atas diketahui bahwa nilai signifikan atau probability dari model nilai signifikan sebesar 0.2210.05 maka data terdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mendeteksi adanya hubungan linear antara variabel independen di dalam regresi berganda. Model regresi
yang baik seharusnya tidak terjadi korelasi antar variabel independen. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi berganda
dapat dilihat dari nilai tolerance dan Variance Inflation factor VIF . Jika nilai tolerance di atas 0.1 dan VIF di bawah 10 maka model tersebut bebas
dari multikolinearitas Ghozali, 2011:106 . Hasil uji multikolinearitas dapat dilihat pada tabel di bawah ini:
Tabel 4.5 Hasil Uji Multikolinearitas
Model Variabel Tolerance
VIF Keterangan
TANGB 0.843 1.186 Bebas Multikolinearitas
FSIZE 0.747 1.339 Bebas
Multikolinearitas GROW 0.924
1.082 Bebas Multikolinearitas
PROF 0.761 1.313 Bebas
Multikolinearitas DPR 0.890
1.124 Bebas Multikolinearitas
Sumber: Hasil olah data, 2014 Hasil uji multikolinearitas pada model penelitian di atas menunjukkan
bahwa seluruh variabel independen memiliki nilai VIF 10 dan nilai tolerance 0.1 sehingga dapat disimpulkan bahwa model tidak terjadi
multikolinearitas.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
9
lain dalam model regresi, jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika
berbeda maka disebut dengan heteroskedastisitas Ghozali, 2011:139 . Dalam penelitian ini untuk mendeteksi adanya heteroskedastisitas
dalam model, dengan menggunakan uji Rank-Spearman. Apabila hasil uji Rank Spearman
menunjukkan nilai signifikan 0.05 maka dapat dikatakan bahwa model regresi tersebut tidak terjadi heteroskedastisitas.
Tabel 4.6 Hasil Uji Heteroskedastisitas
Model Variabel Signifikan
α Keterangan TANGB
0.603 0.05 BebasHeteroskedastisitas
FSIZE 0.308
0.05 Bebas Heteroskedastisitas GROW
0.835 0.05 Bebas Heteroskedastisitas
PROF 0.852
0.05 Bebas Heteroskedastisitas DPR
0.692 0.05 Bebas Heteroskedastisitas
Sumber: Hasil olah data, 2014 Hasil uji heteroskedastisitas pada tabel di atas menunjukkan bahwa
tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas
signifikan 0.05, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model.
4. Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam suatu model regresi ada korelasi antara variabel gangguan satu observasi dengan variabel
gangguan observasi lain Ghozali, 2011:120. Dalam penelitian ini untuk mendeteksi adanya autokorelasi peneliti menggunakan Uji Durbin-Watson
DW test.
Tabel 4.7 Hasil Uji Autokorelasi
Model Regresi Model
Du 1.786 D 1.811
4 – du 2.214
Keterangan BebasAutokorelasi