50
Tabel 4.5 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 16.87323252
Most Extreme Differences Absolute
.159 Positive
.159 Negative
-.156 Kolmogorov-Smirnov Z
1.127 Asymp. Sig. 2-tailed
.158 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan Data SPSS Mei 2015
Berdasarkan hasil uji normalitas dengan
Kolmogorov-Smirnov
Data Asli di atas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat
bahwa nilai signifikansi di atas 0.05 yaitu sebesar 0.158 dan nilai
Kolmogorov- Smirnov
Z sebesar 1.127.
4.1.3.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi di mana
prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai
inflation factor
VIF dan
Tolerance
.
Universitas Sumatera Utara
51
Tabel 4.6 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolera
nce VIF
1 Constant
.737 2.516
.293 .771
KONSER VATISME
.026 .188
.086 .140
.889 .050 2.093
KON.IND -.005
.450 -.006
-.011 .991
.054 1.616 KON.MJR
2.265 1.115
.327 2.031 .048
.724 1.380 a. Dependent Variable: LABAAKRUAL
Sumber: Hasil Pengolahan Data SPSS Mei 2015
Berdasarkan aturan
Variance Inflation Factor
VIF dan
Tolerance
, apabila VIF melebihi angka 10 atau
Tolerance
kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau
Tolerance
lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah
data dari variabel independen. Berdasarkan tabel 4.6 di atas diketahui masing- masing nilai VIF berada di bawah 10, dan nilai Tolerance di atas 0.1, maka dapat
dipastikan data dari variabel independen tidak terjadi multikolinearitas.
4.1.3.3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan yang lain. Jika
variance
dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika
variance
dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau
Universitas Sumatera Utara
52
tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik
scatterplot,
dengan dasar analisis Ghozali, 2005:139. 3.
Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 4.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik
scatterplot
ditunjukkan pada gambar 4.6 berikut:
Sumber: Hasil Pengolahan Data SPSS Mei 2015 Gambar 4.6
Grafik Scatterplot
Universitas Sumatera Utara
53
Pada grafik
scatterplot
di atas, terlihat titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y sehingga
dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.1.3.4. Uji Autokorelasi