42
bahwa data tersebar disekitar nilai rata-rata. Rata-rata sebesar 0,18 menunjukkan bahwa pertumbuhan asset 65 perusahaan sampel masih rendah.
4.2.2 Pengujian Asumsi Klasik
Pengujian asumsi klasik dilakukan terlebih dahulu sebelum dilakukan pengujian dengan menggunakan moderated regression analysis MRA
sehingga diperoleh model regresi yang BLUE Best Liniear Unbiased Estimator. Model regresi akan menghasilkan penduga yang tidak bias jika
memenuhi asumsi klasik, antara lain normalitas data, bebas multikolinieritas, bebas autokorelasi, dan bebas heteroskedastisitas.
4.2.2.1 Uji Normalitas
Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat
normalitas data dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Analisis statistik dilakukan dengan
menggunakan uji non-parametrik Kolmogrov-Smirnov K-S. Analisis K-S digunakan untuk melengkapi uji grafik karena uji normalitas
dengan grafik dapat menyesatkan kalau tidak hati-hati dimana secara visual kelihatan normal padahal secara statistik bisa sebaliknya. Hasil
pengujian normalitas data dapat dilihat pada gambar 4.1, gambar 4.2, dan tabel 4.2 berikut ini.
43
Gambar 4.1 Grafik Histogram Uji Normalitas
Gambar 4.1 menunjukkan bahwa grafik histogram memberikan pola distribusi normal yakni distribusi data tidak menceng
ke kiri atau menceng ke kanan dan berbentuk lonceng bell-shaped, yang berarti data berdistribusi normal.
Gambar 4.2 Kurva Normal Probability Plot
Gambar 4.2 menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal pada grafik normal
probability plot, yang berarti data berdistribusi normal.
44
Tabel 4.2 Hasil Uji Non-Parametik Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
Asymp. Sig. 2-tailed .265
Sumber: Lampiran 3 Tabel 4.2 menunjukkan bahwa angka signifikansi pada
Kolmogrov-Smirnov sebesar 0,265 lebih besar dari sig. 0,05 yang berarti data berdistribusi normal. Oleh karena itu, dapat disimpulkan
bahwa model regresi memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel
independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikoliniearitas. Uji multikolinearitas dilihat dari nilai Tolerance dan
variance inflation factor VIF-nya. Model regresi yang baik jika nilai Tolerance
≥ 0,1 dan VIF ≤ 10. Hasil uji multikolinearitas dapat dilihat pada tabel 4.3 berikut ini.
Tabel 4.3 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Kesimpulan Tolerance
VIF 1
Constant DER
.537 1.862
Bebas Multikolinearitas ROE
.460 2.172
Bebas Multikolinearitas PTA
.181 5.524
Bebas Multikolinearitas PTA_DER
.310 3.223
Bebas Multikolinearitas PTA_ROE
.157 6.378
Bebas Multikolinearitas
45
Tabel 4.3 menunjukkan bahwa semua variabel memiliki nilai tolerance diatas 0,10 dan nilai variance inflation factor VIF lebih
kecil dari 10 sehingga dapat disimpulkan bahwa model regresi bebas multikolinearitas.
4.2.2.3 Uji Autokorelasi