42
• Non-Heterokedastisitas, artinya variance variabel independen dari
satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali
2005:115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
yang dapat dilihat dari:
a
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini :
Tabel 4.2 Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parameters
a
Mean .0000000
Std. Deviation 9.54841192
Universitas Sumatera Utara
43
Most Extreme Differences Absolute
.085 Positive
.085 Negative
-.062 Kolmogorov-Smirnov Z
.548 Asymp. Sig. 2-tailed
.925 a. Test distribution is Normal.
Sumber : Output SPSS, diolah Penulis, 2010 Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti
yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data terdistribusi normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov sebesar
0,925 yang lebih besar dari 0,05. Berikut adalah hasil uji normalitas dengan menggunakan grafik histogram
dan p-plot.
Universitas Sumatera Utara
44
Gambar 4.1 Uji Normalitas data 2
Sumber : Output SPSS, diolah Penulis, 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 kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan
menggunakan grafik p-plot yang ditampilkan pada Gambar 4.2.
Gambar 4.2 Uji Normalitas data 3
Sumber : Output SPSS, diolah Penulis, 2010
Universitas Sumatera Utara
45
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 terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik
lainnya.
b. Uji Multikolinieritas Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat
dilihat dari: 1
nilai tolerence dan lawannya, 2
Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen
lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan
adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10 Ghozali, 2005:91.
Tabel 4.3 Hasil Uji Multikolinearitas
Universitas Sumatera Utara
46
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
DER .567
1.763 DAR
.567 1.763
a. Dependent Variable: ROE
Sumber : Output SPSS, diolah Penulis, 2010 Berdasarkan tabel 4.3 dapat disimpulkan bahwa penelitian ini bebas dari
adanya multikolinieritas. Hal tersebut dapat dilihat dengan membandingkannya dengan nilai Tolerence atau VIF. Masing-masing variabel independen yang
digunakan dalam penelitian ini memiliki nilai Tolerence yang lebih besar dari 0,10 yaitu 0,567. Jika dilihat dari VIFnya, bahwa masing-masing variabel bebas
memiliki nilai VIF lebih kecil dari 10 yaitu sebesar 1,763. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam variabel bebasnya.
c. Uji Autokorelasi
