Tabel 4.3 Uji Kolmogorov-Smirnov Setelah Transformasi Data
Sumber :
Output SPSS
. Diolah Penulis. 2015
Hasil uji
kolmogorov smirnov
setelah data ditransformasi pada tabel 4.3 diatas menunjukkan nilai
Kolmogorov Smirnov
K-S sebesar 0,622 dan nilai signifikan sebesar 0.834 sehingga dapat
disimpulkan bahawa data dalam model regresi berdistribusi normal, dimana nilai signifikansinya 0.834 0,05
.
4.2.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel residu
dari satu pengamatan ke pengamatan lain Ghozali, 2006:105. Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 4.5 berikut ini:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 55
Normal Parameters
a
Mean .0000000
Std. Deviation .14958324
Most Extreme Differences Absolute
.084 Positive
.068 Negative
-.084 Kolmogorov-Smirnov Z
.622 Asymp. Sig. 2-tailed
.834 a. Test distribution is Normal.
Sumber :
Output SPSS
. Diolah Penulis. 2015
Gambar 4.5 Grafik
Scatterplot
Pengujian heteroskedastisitas setelah transformasi data pada gambar 4.5 menunjukkan bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan model regresi layak
dipakai untuk mengetahui faktor-faktor yang mempengaruhi struktur modal.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periodet dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2008:106. Autokorelasi sering terjadi pada sampel dengan data
time series
dengan n sampel adalah periode waktu.
Pengujian autokorelasi pada penelitian ini dilakukan dengan menggunakan uji Durbin-Watson.
Tabel 4.4 Uji Durbin - Watson
H S
Sumber :
Output SPSS
. Diolah Penulis. 2015
Hasil pengujian pada tabel 4.4 menunjukkan bahwa nilai D- W Durbin Watson sebesar 1,922. Nilai ini akan dibandingkan dengan
nilai tabel Durbin-Watson, dimana nilai batas bawah Durbin-Watson dl sebesar 1,485, nilai batas atas Durbin-Watson du sebesar 1,860
dengan jumlah sampel n sebanyak 55 dan jumlah variabel independen k sebanyak 7 variabel. Sesuai dengan kriteria pengambilan keputusan
Durbin-Watson du d 4-du = 1,860 1,922 2,140, maka model regresi pada penelitian ini tidak terjadi autokorelasi.
4.2.2.4 Uji Multikolinearitas