• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
• Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji ini bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Pengujian normalitas dalam
penelitian ini dilakukan dengan menggunakan uji Kolmogorov-Smirnov. Asumsi normalitas dapat dipenuhi jika nilai statistik Kolmogorov-Smirnov diatas tingkat
signifikansi tertentu. Uji K-S dilakukan dengan membuat hipotesis Ghozali, 2005 : 30 :
Ho : data terdistribusi secara normal sig. 0,05 Ha : data tidak terdistribusi secara normal sig. 0,05
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Tobin-q DPR
ROE DER
N 99
99 99
99 Normal Parameters
a
Mean 5.7272 37.9511
19.1988 26.0442
Std. Deviation 5.17015 30.26336 16.46998 25.07932
Most Extreme Differences Absolute .196
.169 .135
.219 Positive
.196 .169
.135 .219
Negative -.182
-.108 -.125
-.157 Kolmogorov-Smirnov Z
1.948 1.684
1.345 2.177
Asymp. Sig. 2-tailed .001
.007 .054
.000 a Test distribution is Normal.
Sumber : Output SPSS, diolah peneliti, 2010
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti
yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data tidak terdistribusi normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov
pada variabel Tobin-q, DPR, ROE dan DER memiliki nilai signifikansi yang lebih kecil dari 0,05 5 yakni masing-masing 0,001; 0,007; 0,054; 0,000. Dengan
demikian Ho ditolak Ha diterima atau data tidak terdistribusi secara normal, sehingga tidak dapat dilakukan pengujian lebih lanjut. Untuk itu perlu dilakukan
tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Tindakan perbaikan yang dilakukan oleh peneliti dalam penelitian ini dengan
menggunakan transformasi seluruh variabel penelitian dalam bentuk fungsi logaritma natural LN sehingga fungsi dari DER = f Tobin-q, DPR, ROE
Universitas Sumatera Utara
menjadi LN_DER = f LN_Tobin-q, LN_DPR, LN_ROE. Kemudian, data diuji berdasarkan asumsi normalitas.
Hasil uji statistik dengan model Kolmogorov-Smirnov yang baru setelah dilakukan transformasi data yang tidak normal tersebut dapat dilihat pada tabel
dibawah ini :
Tabel 4.3 Hasil Uji Normalitas dengan Kolmogorov-Smirnov 1
One-Sample Kolmogorov-Smirnov Test
LN_Tobin-q LN_DPR LN_ROE LN_DER N
99 99
99 99
Normal Parameters
a
Mean 1.4637
3.3305 2.5581
2.7467 Std. Deviation
.72993 .89245
1.02717 1.09797
Most Extreme Differences
Absolute .062
.130 .119
.094 Positive
.062 .054
.069 .046
Negative -.046
-.130 -.119
-.094 Kolmogorov-Smirnov Z
.614 1.294
1.189 .933
Asymp. Sig. 2-tailed .845
.070 .118
.349 a. Test distribution is Normal.
Sumber : Output SPSS, diolah peneliti, 2010
Tabel 4.3 menunjukkan bahwa hasil pengujian statistik dengan model Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi normal karena
nilai Asymp.Sig 2-tailed Kolmogorov-Smirnov pada variabel Tobin-q, DPR, ROE, DER memiliki nilai signifikansi yang lebih besar dari 0,05 5 yakni
masing-masing 0,845; 0,070; 0,118; 0,349 dengan demikian Ha diterima atau data sudah terdistribusi secara normal.
Universitas Sumatera Utara
Pengujian normalitas dapat juga dilakukan dengan menggunakan analisis grafik yang terdiri dari histogram dan normal probability plot. Berikut ini
ditampilkan hasil uji normalitas dengan menggunakan grafik histogram dan normal probability plot :
Gambar 4.1 Uji Normalitas data 2
Sumber : Output SPSS, diolah Peneliti, 2010
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi
data mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan
menggunakan grafik plot yang ditampilkan pada Gambar 4.2.
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas data 3
Sumber : Output SPSS, diolah Peneliti, 2010 Menurut Ghozali 2005 : 112, “pendeteksian normalitas dapat dilakukan
dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal,
hal ini menunjukkan data yang telah terdistribusi normal”. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis
diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah
Universitas Sumatera Utara
terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
b. Uji Multikolinearitas