Uji Normalitas Uji Multikolinearitas Uji Autokorelasi

VAIC TM = Value Added Intellectual Capital Coefficient Size = Ukuran Perusahaan DR = Debt Ratio b 1 -b 3 = Koefisien Regresi untuk masing-masing variabel bebas e = Error of term

3.8.3 Pengujian Asumsi Klasik

Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut:

3.8.3.1 Uji Normalitas

Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva histogram dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk seperti lonceng atau dengan melihat titik-titik data yang menyebar disekitar garis diagonal dan searah mengikuti garis diagonal dari gambar normal P-Plot. Uji ini juga dilakukan melalui analisis Kolmogorov-Smirnov, Hipotesisnya sebagai berikut: H = data residual berdistribusi normal H a = data rasidual tidak berdistribusi normal Universitas Sumatera Utara Dengan meng gunakan tingkat signifikan α 5. Jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H diterima artinya data residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H diterima artinya data residual tidak berdistribusi normal.

3.8.3.2 Uji Multikolinearitas

Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian terhadap ada tidaknya multikolinearitas dilakukan dengan menggunakan metode VIF variance Inflation Factor dengan ketentuan: Bila VIF 5 terdapat masalah multikolinearitas Bila VIF 5 tidak terdapat masalah multikolinearitas.

3.8.3.3 Uji Autokorelasi

Uji ini digunakan untuk menguji apakah dalam sebuah model regresi linear berganda ada korelasi antara kesalahan pengganggu pada periode t dan kesalahan pengganggu pada periode t-1 periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson, untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan ketentuan sebagai berikut: Universitas Sumatera Utara Tabel 3.3 Kriteria Pengambilan Keputusan Uji Autokorelasi Hipotesis Nol Jika Keputusan Tidak ada autokorelasi positif 0 DW d L Ditolak Tidak ada autokorelasi positif D L DW d U No decision Tidak ada autokorelasi negatif 4-d L DW 4 Ditolak Tidak ada autokorelasi negatif 4-d U DW No decision 4-d L Tidak ada autokorelasi positif atau negatif d U DW 4-d U Tidak ditolak Sumber: Situmorang et al. 2008:86 Keterangan: d L = Batas bawah d U = Batas Atas

3.8.3.4 Uji Heteroskedastisitas