54
e. Sales Growth Dari tabel 2 dapat diketahui nilai minimum dari Sales Growth
sebesar -0,3499 dan nilai maksimum 1,2535. Hal ini menunjukkan bahwa besar Sales Growth perusahaan yang menjadi sampel penelitian
ini berkisar antara -0,3499 sampai 1,2535 dengan rata-rata 0,128753 pada standar deviasi 0,1910107.
2. Hasil Pengujian Prasyarat Analisis
Hipotesis dalam penelitian ini diuji dengan menggunakan analisis regresi linier berganda. Analisis linier berganda merupakan analisis untuk
mengetahui pengaruh variabel bebas independen yang jumlahnya lebih dari satu terhadap variabel terikat dependen. Model analisis regresi linier
digunakan untuk menjelaskan hubungan dan seberapa besar pengaruh variabel-variabel bebas independen terhadap variabel terikat dependen.
Sebelum melakukan regresi linier berganda, maka diperlukan uji prasyarat analisis terlebih dahulu. Uji prasyarat analisis atau yang sering
disebut uji asumsi klasik dilakukan untuk memastikan apakah model tersebut tidak terdapat masalah normalitas, multikolinieritas, autokorelasi,
heteroskedastisitas. Jika semua uji tersebut terpenuhi maka model analisis layak untuk digunakan.
55
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Dalam
uji normalitas, alat uji yang digunakan adalah uji statistik dengan Kolmogorov-Smirnov Z 1-sample K-S. Data penelitian dikatakan
menyebar normal atau memenuhi uji normalitas apabila nilai Asymp. Sig 2-tailed variabel residual berada di atas 0,05 atau 5.
Sebaliknya, jika nilai Asymp. Sig 2-tailed variabel residual berada di bawah 0,05 atau 5, maka data tersebut tidak berdistribusi normal
atau tidak memenuhi uji normalitas. Hasil pengujian normalitas yang dilakukan dengan uji K-S adalah sebagai berikut:
Tabel 3. Hasil Uji Normalitas
Unstandardized Residual
Kesimpulan
N 108
Kolmogorov-Smirnov Z 0,493
Asymp. Sig. 2-tailed 0,968 Data berdistribusi normal
a. Test distribution is Normal. Sumber : Lampiran 10, Halaman 109
Berdasarkan hasil uji normalitas menggunakan uji Kolmogorov- Smirnov, hasil pengolahan data menunjukkan bahwa data berdistribusi
normal. Hal ini dibuktikan dengan hasil uji K-S yang menunjukkan nilai Asymp. Sig 2-tailed dengan tingkat signifikansi lebih besar dari
0,05 yaitu sebesar 0,968. Hal ini menunjukkan bahwa data berdistribusi normal.
56
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas Ghozali,
2011. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya
multikolinieritas, dapat dilihat dari nilai tolerance dan lawannya variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Model regresi yang baik seharusnya tidak terjadi
multikolinieritas. Multikolinieritas dapat dilihat dari nilai tolerance dan variance inflation factor VIF. Untuk terbebas dari masalah
multikolinieritas, nilai tolerance harus ≤ 10 Ghozali, 2011. Hasil uji
multikolinieritas dapat dilihat pada tabel berikut: Tabel 4 Hasil. Uji Multikolinieritas
Variabel
Collinearity Statistics
Kesimpulan
Tolerance VIF
ROA 0,834
1,199 Tidak Terjadi Multikolinieritas CR
0,633 1,580 Tidak Terjadi Multikolinieritas
DER 0,614
1,628 Tidak Terjadi Multikolinieritas SIZE
0,917 1,090 Tidak Terjadi Multikolinieritas
SALES GROWTH 0,945
1,058 Tidak Terjadi Multikolinieritas a. Dependent Variable: PBV
Sumber : Lampiran 11, Halaman 110
