adalah -309,00 dan nilai maksimun sebesar 3416,00 dengan rata-rata nilai EPS perusahaan perkebunan dan pertambangan yang menjadi sampel penelitian
adalah sebesar 296,3720.
4.3. Uji Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
4.3.1. Uji Normalitas Data
Uji normalitas bertujuan menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah
residual berdistribusi normal adalah uji statistik non parametric Kolmogorov- smirnov K-S dengan membuat hipotesis:
H : data residual berdistribusi normal
H
a
: data residual tidak berdistribusi normal Apabila nilai signifikasi lebih besar dari 0,05 maka H
diterima dan sebaliknya jika nilai signifikasi lebih kecil dari 0,05 maka H
ditolak atau H
a
diterima.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 54
Normal Parameters
a,,b
Mean 296.3719796
Std. Deviation 1.93212770E2
Most Extreme Differences Absolute
.095 Positive
.088 Negative
-.095 Kolmogorov-Smirnov Z
.696 Asymp. Sig. 2-tailed
.718 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Lampiran viii Dari hasil pengolahan data pada tabel 4.3 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0.696 dan signifikan pada 0,718. Nilai signifikasi lebih besar dari 0,05 maka H
diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik
histogram dan grafik normal plot data.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber : Lampiran ix Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal
karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian
pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber : Lampiran x
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa
model regresi telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
4.3.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005:58 deteksi
multikolenaritas pada suatu model dapat dilihat yaitu jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka
model dapat dikatakan terbebas dari multikolenearitas.
Tabel 4.4 Hasil Uji Multikolinearitas
Sumber : Lampiran xi
Dari data pada tabel 4.4, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel independen lebih besar dari 0,1 yakni sebesar 0,226 DAR, 0,136 DER dan nilai VIF lebih kecil dari 10 yakni sebesar 4,434 DAR,
7,373 DER sedangkan terjadi gejala multikolineritas antara variabel independen
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 DAR
.226 4.434
DER .066
15.161 LDAR
.136 7.373
LDER .055
18.227 a. Dependent Variable: EPS
Universitas Sumatera Utara
DER dan LDER dimana nilai tolerance lebih kecil dari 0,1 dan nilai VIF lebih besar dari 10. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan
dengan menggunakan model regresi berganda.
4.3.3. Uji Heteroskeditas