44 Tabel 4.7
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
IT CR
TATO ROE
N 30
30 30
30 Normal
Parameters
a,b
Mean .0640 1.7590
.3253 .7873
Std. Deviation .03470 1.6244
2 .39578 1.5145
4 Most Extreme
Differences Absolute
.223 .265
.310 .311
Positive .223
.265 .310
.274 Negative
-.097 -.142
-.220 -.311
Kolmogorov-Smirnov Z 1.223
1.450 1.698
1.703 Asymp. Sig. 2-tailed
.100 .030
.006 .006
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS Berdasarkan Tabel 4.8, dapat disimpulkan bahwa data dalam model regresi
telah terdistribusi secara normal karena data residual lebih besar dari 0.05 yang berarti H
diterima. Setelah data terdistribusi secara normal, maka dilanjutkan uji asumsi klasik lainnya.
4.3.2 Uji Multikolieritas
Multikolieritas dikenal juga dengan istilah kolinearitas ganda diciptakan oleh Ragner Frish didalam bukunya : statistical Confluence Analysis By Means Of
Complete Regression System. Istilah kolinearitas colinearity sendiri berarti hubungan linear tunggal single linear relationship, sedangkan kolinearitas ganda
multicolinearity menunjukkan adanya lebih dari satu hubungan linear yang sempurna.
Universitas Sumatera Utara
45
Multikolieritas juga merupakan situasi antara korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Variabel-variabel ini disebut
bebas tidak orthogonal. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang memiliki nilai korelasi diantaranya sama dengan nol. Hasil uji
gejala multikolieritas disajikan pada table 4.9 berikut ini :
Tabel 4.8 Hasil Uji Multikolieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 IT
.955 1.048
CR .909
1.100 TATO
.878 1.139
a. Dependent Variable: ROE
Sumber : Output SPSS Hasil yang disimpulkan bahwa tidak terjadi gejala multikolinearitas antara
variabel independen. Gejala multikolinearitas terjadi apabila nilai VIF lebih dari 10. Dari hasil analisis, di dapat dari nilai VIF untuk variabel independen dan
variabel dependen adalah 1.048 10 , 1.100 10, 1.139 10. Berdasarkan hasil ini maka dapat disimpulkan bahwa variabel dependen dan variabel
independen lolos uji multikolinearitas.
4.3.3 Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain dalam model regresi.
Sedangkan uji homokedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians
Universitas Sumatera Utara
46
sama, dan ini yang seharusnya terjadi maka dikatakan ada homokedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heteroskedastisitas. Alat
untuk menguji heteroskedastisitas bisa dibagi dua, yakni dengan alat analisis grafik atau dengan analisis residual yang berupa statistik.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homokedastisitas. Dalam model regresi dinyatakan telah terjadi heterokedastisitas
apabila titik-titik yang ada tidak membentuk pola yang tertentu dan teratur dan titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y. Berikut ini
dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar :
Universitas Sumatera Utara
47
Sumber : Output SPSS
Gambar 4.3 Hasil Uji Heterokedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga layak dipakai untuk memprediksi rentabilitas ekonomis pada perusahaan
manufaktur dengan variabel independen inventory turnover, current ratio, total asset turnover.
4.3.4 Uji Autokorelasi
