Investment yang tertinggi sebesar 34.26 sedangkan Return on Investment yang terendah sebesar -14.10.
4.3.3. Uji Asumsi Klasik
Dari hasil R
2
yang diperoleh cukup tinggi sebesar 0.424. Sedangkan, uji F yang diperoleh signifikan pada
α = 5 yaitu sebesar 3.562. Dari hasil tersebut terdapat uji penyimpangan asumsi klasik dalam persamaan. Untuk mendeteksi
hal tersebut maka dilakukan uji penyimpangan asumsi klasik terhadap persamaan yang dibuat.
4.3.3.1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal Situmorang et al. 2010:91. Uji
normalitas dilakukan dengan menggunakan pendekatan kolmogrov smirnov. Dengan menggunakan tingkat signifikan 5 maka jika nilai Asymp. Sig. 2-tailed
diatas nilai signifikan 5 artinya variabel residual berdistribusi normal Situmorang et al, 2010:97
Selain uji normalitas dengan grafik histogram dan uji normal P-P Plot Of Regression Standardized Residual, Uji normalitas dapat juga dilakukan dengan
analisis statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik.
Universitas Sumatera Utara
Tabel 4.10 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 5.35832170
Most Extreme Differences Absolute
.084 Positive
.075 Negative
-.084 Kolmogorov-Smirnov Z
.503 Asymp. Sig. 2-tailed
.962 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2011 Data Diolah
Menurut Ghozali 2001 : 140 bahwa apabila pada hasil uji Kolmogrov Sminor, nilai Asymp. Sig 2-tailed lebih besar dari 0,05
= 5, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.10 memperlihatkan
bahwa nilai Asymp. Sig 2-tailed Unstandardized Residual masing-masing bernilai 0,962 yang lebih besar dibandingkan dengan taraf nyata
yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai
distribusi normal.
4.3.3.2 Uji Multikolinearitas
Uji Multikolinearitas dilakukan untuk menunjukkan ada tidaknya hubungan linear di antara variabel bebas dalam model regresi. Gejala
multikolinearitas dapat dideteksi atau dilihat dari nilai Variance Inflation Factor VIF :
Universitas Sumatera Utara
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1Constant Current Ratio X
1
.737 1.356
Cash Ratio X
2
.731 1.368
Debt Ratio X
3
.294 3.402
Debt to Equity Ratio X
4
.316 3.166
Fixed Asset Turnover X
5
.404 2.474
Account Receivable Turnover X
6
.546 1.830
Inventory Turnover X
7
.464 2.157
a. Dependent Variable : ROI
Sumber : Hasil Penelitian, 2011 Data Diolah
Tabel 4.11 menunjukkan tidak ada masalah multikolinearitas dimana hasil uji Variance Inflation Factor VIF current ratio menunjukkan nilai kurang dari 5
VIF5 yaitu 1.356. Variance Inflation Factor VIF cash ratio menunjukkan nilai kurang dari 5 VIF5 yaitu 1.368. Variance Inflation Factor VIF debt
ratio menunjukkan nilai kurang dari 5 VIF5. yaitu 3.402. Variance Inflation Factor VIF debt to equity ratio menunjukkan nilai kurang dari 5 VIF5. yaitu
3.166. Variance Inflation Factor VIF Fixed Asset Turnover menunjukkan nilai kurang dari 5 VIF5. yaitu 2.474. Variance Inflation Factor VIF Account
ReceivableTurnover menunjukkan nilai kurang dari 5 VIF5. yaitu 1.830. Variance Inflation Factor VIF Inventory Turnover menunjukkan nilai kurang
dari 5 VIF5 yaitu 2.157. Nilai VIF variabel bebas tersebut lebih kecil dari 5 dan nilai Tolerance lebih besar dari 0,1. Dengan demikian, model regresi tidak
terjadi multikolinearitas.
Universitas Sumatera Utara
4.3.3.3 Uji Heteroskedastisitas