49
yang mempunyai arti bahwa data variabel yang digunakan dalam penelitian ini telah terdistribusi normal. Demikian halnya dengan hasil perhitungan SPSS untuk
uji normalitas data menggunakan Histogram Display Normal Curve pada grafik
4.1 variabel DER Regresi Residual menunjukkan bahwa bentuk histogram
mengikuti bentuk distribusi normal. Untuk grafik P-P Plot terlihat bahwa nilai plot P-P terletak di sekitar garis diagonal. Plot tidak menyimpang jauh dari garis
diagonal dan penyebaran titik-titik data searah mengikuti garis diagonal, yang menunjukkan bahwa regresion residual model ini berdistribusi normal. Dari hasil
uji normalitas dalam seluruh tahap, menyimpulkan arti bahwa semua Variabel dalam penelitian ini berdistribusi normal.
4.4. Pengujian Asumsi Klasik
4.4.1. Multikolinearitas
Pengujian multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan linear yang “sempurna” atau pasti di antara variabelvariabel
independen yang menjelaskan dari model regresi. Pengujian ini dilakukan dengan melihat nilai Tolerance atau nilai Varian Inflation Factor VIF. Model
dapat dikatakan terhindar dari asumsi klasik multikoliearitas jika nilai Tolerance lebih besar dari 0,1 atau nilai VIF lebih kecil dari 10. Hasil
Pengujian multikolinearitas, nilai Tolerance dan nilai VIF untuk masing-
masing variabel dapat dilihat melalui tabel 4.3 seperti berikut:
50
Tabel 4.3 Hasil Pengujian Multikolinearitas
Tolerance VIF
Interpretasi Hasil Inst_Own
0,596 1,678
Tidak terjadi multikolinearitas
St_aset 0,746
1,341
Tidak terjadi multikolinearitas
Size 0,753
1,329
Tidak terjadi multikolinearitas
Profitability 0,895
1,117
Tidak terjadi multikolinearitas
Variabel dependen: DER Sumber: Hasil Pengolahan Data, Lampiran 2
Berdasarkan hasil pengujian multikolinearitas yang ditunjukkan pada
tabel 4.3 di atas maka dapat terlihat bahwa seluruh variabel independen yang
digunakan dalam tiga model regresi memiliki nilai Tolerance lebih dari 0,1 dan nilai VIF kurang dari 10. Oleh karena itu dapat disimpulkan bahwa model
regresi dalam penelitian ini terhindar dari multikolinearitas.
4.4.2. Auto Korelasi
Pengujian autokorelasi perlu dilakukan untuk mengetahui ada tidaknya hubungan antar unsur gangguan pada observasi dengan unsur gangguan dengan
observasi lain. Cara yang paling sering dilakukan untuk mendeteksi autokorelasi adalah dengan menggunakan metode Durbin Watson test. Metode
ini menyatakan bahwa data yang digunakan dalam model tidak terjadi autokorelasi jika nilai Durbin Watson berkisar antara 0 sampai dengan 4 yaitu
terletak diantara du dan 4-du Priyanto, 2008:48. Bila nilai uji statistik Durbin-Watson lebih kecil dari satu atau lebih besar dari tiga yaitu dw lebih
kecil dari dl atau lebih besar dari 4-dl maka residual dari model regresi
51
berganda tidak bersifat independen atau terjadi autokorelasi. Hasil pengujian
Autokorelasi dapat dilihat pada tabel 4.4 seperti berikut:
TABEL 4.4 HASIL PENGUJIAN AUTOKORELASI
n
k
d
l
d
u
d
hitung
Interpretasi Hasil 36
5 1,406
1,6708 1,953
Tidak terjadi autokorelasi
Sumber: Hasil Pengolahan Data, Lampiran 2
Berdasarkan tabel hasil pengujian asumsi klasik autokorelasi pada tabel
4.4 di atas menunjukkan bahwa nilai Durbin Watson terletak diantara du dan