Uji Normalitas Uji Multikolinearitas

4.1.3. Uji Asumsi Klasik

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi terdapat variabel pengganggu atau residual berdistribusi normal atau tidak. Model regresi yang baik seharusnya memiliki residual yang berdistribusi normal. Uji normalitas pada penelitian ini dilakukan dengan menggunakan uji statistik non – parametrik Kolmogrov-Smirnov K-S. One-Sample Kolmogrov-Smirnov dapat dilihat sebagai berikut: Tabel 4.4. Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 150 Normal Parameters a,b Mean ,0000000 Std. Deviation 8,18584393 Most Extreme Differences Absolute ,100 Positive ,100 Negative -,054 Kolmogorov-Smirnov Z 1,222 Asymp. Sig. 2-tailed ,101 Sumber: Data Sekunder yang diolah, 2016 Hasil tabel 4.4. menunjukkan bahwa model regresi memiliki residual yang terdistribusi normal. Nilai Kolmogrov-Smirnov sebesar 1,222 signifikan pada 0,101. Hal ini menunjukkan bahwa nilai residual atau variabel pengganggu lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data residual berdistribusi normal.

2. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas pada penelitian ini dilakukan dengan melihat nilai tolerance dan variance inflation factor VIF dari model regresi. Hasil uji multikolinearitas dapat dilihat pada tabel 4.5. Tabel 4.5. Hasil Uji Multikolinearitas Sumber: Data Sekunder yang diolah, 2016 Hasil tabel 4.6. menunjukkan bahwa semua variabel independen memiliki nilai tolerance ≥ 0,10 dan nilai VIF ≤ 10, sehingga dapat disimpulkan bahwa dalam model regresi tidak terdapat multikolinearitas antar variabel independen. Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant TYPE ,791 1,264 Ln_SIZE ,377 2,655 PROFIT ,641 1,559 LIQUID ,760 1,317 EMS ,844 1,184 Ln_TAX ,700 1,428 MARKET ,630 1,588 a. Dependent Variable: ED

3. Uji Autokorelasi