4.2.2.1 Uji Normalitas
Menurut Nugroho 2005:18 uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal. Cara
yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik dan uji Kolmogrov-Smirnov.
Sumber: Hasil Penelitian, 2014 Data diolah
Gambar 4.1 Grafik Histogram
Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa grafik tersebut memberikan pola distribusi yang normal, karena kurvanya tidak
miring ke kiri atau ke kanan. Untuk lebih menjelaskan bahwa data yang diuji berdistribusi normal dapat juga dilihat dengan grafik normal probability plot yang
Universitas Sumatera Utara
menunjukkan titik-titik menyebar di sekitar garis diagonal, sebagaimana ditampilkan pada Gambar 4.2 berikut:
Sumber: Hasil Penelitian, 2013 Data diolah
Gambar 4.2 Grafik
Normal Plot
Cara lain untuk melihat distribusi data normal atau tidak adalah dengan melakukan uji Kolmogrov-Smirnov. Dengan menggunakan tingkat signifikan 5,
maka jika nilai Asymp. Sig. 2-tailed di atas 5 artinya variabel residual berdistribusi normal. Untuk lebih jelas dapat dilihat pada Tabel 4.2:
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji
Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Nilai Perusahaan N
60 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .37330456
Most Extreme Differences Absolute
.065 Positive
.056 Negative
-.065 Kolmogorov-Smirnov Z
.503 Asymp. Sig. 2-tailed
.962 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2014 Data diolah
Pada Tabel 4.2 memperlihatkan nilai Asymp.Sig 2-tailed adalah 0,962 dan di atas nilai signifikansi 0,05. Dengan kata lain variabel residual
berdistribusi normal. Nilai Kolmogrov-Smirnov Z lebih kecil dari 1,97 yaitu sebesar 0,503 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi
empirik atau dengan kata lain data dikatakan normal.
4.2.2.2 Uji Multikolinearitas
Menurut Ghozali 2005:91 pengujian multikolinieritas dilakukan dengan melihat VIF variable inflation factors antar variabel independen dan nilai
tolerance . Deteksi dilakukan dengan melihat nilai VIF dan nilai tolerance.
Multikolinearitas tidak terjadi jika VIF 10 dan nilai tolerance 0,10.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-2.731 .919
-2.970 .004
Keputusan Investasi
1.152 .077
.647 14.911
.000 .830
1.205 Keputusan
Pendanaan .545
.058 .398
9.378 .000
.868 1.152
Kebijakan Dividen
.131 .056
.094 2.343
.023 .966
1.035 Tingkat Suku
Bunga -2.423
.321 -.305
-7.560 .000
.960 1.042
a. Dependent Variable: Nilai Perusahaan
Sumber: Hasil Penelitian, 2014 Data diolah
Pada Tabel 4.3 memperlihatkan nilai VIF 10 dan nilai tolerance 0,10 yang menyatakan bahwa tidak terdapat kolinearitas.
4.2.2.3 Uji Heteroskedastisitas