63
Tabel 4.6 Hasil Uji Multikolonieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 KOMISARISINDEPENDEN
.952 1.050
DEWANDIREKSI .965
1.037 KEPEMILIKANINSTITUSIONAL
.912 1.096
KEPEMILIKANMANAJERIAL .886
1.129 a. Dependent Variable: TOBINSQ
Berdasarkan analisis data pada table 4.6 menunjukkan hasil uji multikolonieritas dengan VIF berkisar antara 1.037 sampai 1.129,
Sedangkan nilai tolerance berkisar antara 0.886 sampai 0.965. Dari hasil pengujian tersebut dapat disimpulkan bahwa semua variable independen
tidak memiliki masalah multikolonieritas.
c. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaam varian dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Deteksi ada atau tidaknya heteroskedastisitas dapat dilihat dari ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu,
seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengidentifikasikan bahwa telah terjadi heteroskedastisitas. Jika tidak ada
Sumber: Dat a Sekunder diolah
64
pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2012.
Gambar 4.1 merupakan hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot untuk data mengenai faktor-faktor yang
mempengaruhi tingkat kinerja perusahaan.
Gambar 4.1 Hasil Uji Heteroskedastisitas
Berdasarkan uji heteroskedastisitas pada gambar 4.1 menunjukkan bahwa titik-titik data menyebar secara acak dan tidak membentuk suatu
pola, baik di atas maupun di bawah angka 0 pada sumbu Y. Jadi, dapat disimpulkan bahwa model regresi dalam penelitian ini tidak mengalami
masalah heteroskedastisitas.
Sumber: Dat a Sekunder diolah
65
d. Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable pengganggu atau residual memiliki distribusi normal.
Untuk melihat normalitas residual menggunakan grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati
distribusi normal. Jika data menyebar sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya dan mengikuti arah garis
diagonal atau garis histogramnya menunjukkan pola distribusi normal, maka model regresi memiliki asumsi normalitas Ghozali, 2012.
Hasil pengujian normalitas data dengan menggunakan Normal P- Plot dapat dilihat pada gambar 4.2.
Gambar 4.2 Grafik
Normality Probability Plot
Pada gambar tersebut menunjukkan bahwa titik-titik data berada di sekitar garis diagonal dan mengikuti arah garis diagonal. Dengan
Sumber: Dat a Sekunder diolah
66
demikian, dapat disimpulkan bahwa data dalam penelitian ini sudah terdistribusi normal atau sudah memenuhi asumsi normalitas.
2. Pengujian Hipotesis
