apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah
berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari
0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2.
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
56 Normal Parameters
a
Mean .0000000
Std. Deviation 62.82292993
Most Extreme Differences Absolute
.170 Positive
.170 Negative
-.141 Kolmogorov-Smirnov Z
1.272 Asymp. Sig. 2-tailed
.079 a. Test distribution is Normal.
Sumber: Lampiran iv
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,79. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat
digunakan untuk melakukan Uji-t dan Uji-f karena 0,79 0,05 H diterima
b. Hasil Uji Heteroskedastisitas
Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
Universitas Sumatera Utara
ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dapat dilakukan dengan uji
grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada grafik dan uji glejser, dengan cara meregres seluruh variabel
independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah :
H : tidak ada heteroskedastisitas,
H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas scatterplot
Sumber: Lampiran v
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1 Constant
31.769 13.224
2.402 .020
Laba_Bersih -2.265E-5
.000 -.342
-2.106 .040
Potensi_Pertumbuhan .620
.412 .214
1.504 .139
ROE -.084
.334 -.042
-.253 .801
EPS .002
.024 .012
.093 .926
DER 19.449
11.080 .252
1.755 .085
a. Dependent Variable: Absut
Sumber: Lampiran v
Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.3 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel laba bersih adalah
0,04 0.05, untuk variabel potensi pertumbuhan adalah 0,139 0,05, untuk variabel ROE adalah 0,801 0.05, untuk variabel EPS adalah 0,139 0,05 dan
untuk variabel DER adalah 0,085 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena semua
variabel independennya memiliki signifikan lebih besar dari 0,05.
b. Uji Autokorelasi
