perbaikan terlebih dahulu. Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variable residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini menggunakan uji statistik
non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis: H
: Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Dalam uji Kolmogorov-Smirnov, pedoman yang digunakan dalam pengambilan keputusan yaitu:
1 jika nilai signifikansi 0,05 maka distribusi data tidak normal,
2 jika nilai signifikansi 0,05 maka distribusi data normal.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.02966153
Most Extreme Differences Absolute
.130 Positive
.130 Negative
-.110 Kolmogorov-Smirnov Z
.897 Asymp. Sig. 2-tailed
.397 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 0.897 dan signifikansinya pada 0.397 maka disimpulkan data terdistribusi
secara normal karena p = 0,397 0,05. Data yang terdistribusi secara normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data
berikut ini:
Universitas Sumatera Utara
Gambar 4.2 Grafik normal P-P Plot
Berdasarkan grafik 4.2 dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal
yang tidak menceng skewness ke kiri maupun ke kanan. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot,
terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya agak mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi secara normal.
Universitas Sumatera Utara
b. Uji Multikolinearitas
Mendeteksi ada tidaknya gejala multikoliniearitas adalah dengan melihat nilai tolerance dan Variance Inflation Factor VIF, serta menganalisis matrik korelasi
variabel-variabel independen. Besarnya tingkat multikoliniearitas yang masih dapat ditolerir, yaitu Tolerance 0.10, dan nilai Variance Inflation Factor VIF
10. Berikut disajikan table hasil pengujian:
Table 4.3
Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikoliniearitas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel lebih besar dari 0,1. Nilai tolerance EVA adalah 0,591; EPS 0,374; ROA 0,251; AKO 0,370. Nilai VIF keempat variabel independen
lebih kecil dari 10 yaitu EVA 1,692; EPS 2,677; ROA 3,984; AKO 2,704. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan
menggunakan model regresi berganda.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.404 .246
1.639 .108
EVA 4.661E-14
.000 .022
.110 .913
.591 1.692
EPS .000
.000 .246
1.001 .322
.374 2.677
ROA -.113
3.728 -.009
-.030 .976
.251 3.984
AKO .000
.000 -.176
-.713 .480
.370 2.704
a. Dependent Variable: RS
Universitas Sumatera Utara
c. Uji Heterokedastisitas