4.2.1 Uji Normalitas
Hasil uji normalitas dalam kajian penelitian ini menggunakan P-P plot. Apabila grafik yang diperoleh dari output SPSS ternyata titik-titik
mendekati garis diagonal, dapat disimpulkan bahwa model regresi berdistribusi normal. Lebih jelasnya hasil uji normalitas data dapat dilihat
pada grafik berikut.: PERSAMAAN 1 : Lev = β1Lik + e1
Gambar 4.1 P-P Plot pengujian normalitas model Regresi 1
Dari grafik normal probility plots titik-titik menyebar berhimpit di sekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara
normal. Uji normalitas juga dapat dilihat dari uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Hasil uji Kolmogorov-Smirnov menunjukkan
nilai signifikansi Kolmogorov-Smirnov sebesar 0,080 yang berarti lebih besar dari 0,05 yang menunjukan data berdistribusi normal.
PERSAMAAN 2 : KK= β1Lik + β2Lev + e
Gambar 4.2 P-P Plot pengujian normalitas model Regresi 2
Dari grafik normal probility plots titik-titik menyebar berhimpit di sekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara
normal. Uji normalitas juga dapat dilihat dari uji statistik non-parametrik Kolmogorov-Smirnov K-S. Hasil uji Kolmogorov-Smirnov menunjukkan
nilai signifikansi Kolmogorov-Smirnov sebesar 0,200 yang berarti lebih besar dari 0,05 yang menunjukan data berdistribusi normal.
4.2.2 Uji Multikolinearitas
Uji multikolinieritas digunakan untuk menguji apakah antara variabel bebas memiliki hubungan yang sempurna atau tidak. Syarat diterimanya
model regresi ganda apabila antara variabel bebas tidak mengandung korelasi yang sempurna. Pengujian multikolinieritas dapat dilihat dari nilai variance
inflance faktor VIF berdasarkan hasil output SPSS. Apabila nilai VIF 10 dan mendekati 1 dapat disimpulkan bahwa asumsi adanya multikolinieritas
ditolak. Hasil analisis multikolinieritas selengkapnya dapat dilihat pada tabel 4.4 dan tabel 4.5.
Tabel 4.4 Uji Multikolinearitas Persamaan 1
Coefficients
a
Model Collinearity Statistics
Tolerance VIF 1
Likuiditas 1.000 1.000
a. Dependent Variable: leverage
Tabel 4.5 Uji Multikolinearitas Persamaan 2
Coefficients
a
Model Collinearity Statistics
Tolerance VIF 1
Likuiditas .462
2.164 Leverage
.462 2.164
a. Dependent Variable: kinerja_keuangan
Berdasarkan hasil penelitian diperoleh nilai VIF pada persamaan 1 untuk variabel likuiditas LIK sebesar 1,000, nilai VIF 10 yang berarti
bahwa model regresi persamaan 1 tidak mengandung multikolinieritas. Begitu juga dengan persamaan 2 diperoleh nilai VIF untuk variabel likuiditas
sebesar 2,164, untuk variabel leverage sebesar 2,164. Kedua nilai VIF 10 yang berarti bahwa model regresi persamaan 2 tidak mengandung
multikolinieritas.
4.2.3 Uji Heteroskedastisitas