83
Tabel 4.3 Hasil Uji Normalitas Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
264 Normal Parameters
a,b
an ,0000000
Std. Deviation 2,16783053
st Extreme Differences solute
,053 sitive
,037 Negative
-,053 lmogorov-Smirnov Z
,865 ymp. Sig. 2-tailed
,442 Test distribution is Normal.
Calculated from data.
Sumber : Hasil penelitian 2016 data diolah
Berdasarkan uji Kolmogorov-Smirnov 1 sample K-S pada Tabel 4.3
menunjukkan besarnya nilai Asymp. Sig. 2-tailed adalah 0,442 berada di atas nilai signifikan 0,05 dan nilai
Kolmogorov-Smirnov Z sebesar 0,865lebih kecil dari 1,97. Hal ini berarti data terdistribusi normal, sehingga dari uji ini
menunjukkan bahwa model regresi memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk melihat apakah dalam model regresi
ditemukan adanya korelasi antara variabel independen satu dengan yang lainnya. Uji ini dilakukan dengan melihat
collinearity statistics dan koefisien korelasi antara variabel independen. Untuk mendeteksi ada atau tidaknya
multikolinieritas dapat dilakukan dengan melihat nilai tolerance variable dan
Variance Inflation Factor VIF. Dengan ketentuan jika VIF 10 atau
Universitas Sumatera Utara
84
tolerance 0,1 maka tidak terjadi multikolinieritas. Hasil pengujian statistik multikolinieritas tampak pada Tabel 4.4 berikut ini:
Tabel 4.4 Hasil Uji Multikolinearitas
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan dari hasil perhitungan nilai VIF, tidak satupun variabel independen yang memiliki lebih dari 10, karena nilai VIF tertinggi sebesar
1,952 dan nilai tolerance seluruh variabel independen menunjukkan hasil
lebih dari 0,1 sehingga dapat disimpulkan bahwa pada model regresi tidak terjadi gejala multikolinieritas antar variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Model regresi
yang baik adalah tidak terjadi heteroskedastisitas. Uji heterodeksitas dapat dilakukan dengan cara Uji
Glesjer, yaitu dengan mengabsolutkan nilai residual kemudian meregresikan dengan variabel independen. Jika variabel
independen signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadi heterodeksitas. Jika probabilitas signifikannya di atas
Coefficients
a
del Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
Constant 3,870
2,885 1,341
,181 _BLOCK
,304 ,277
,067 1,100
,273 ,957
1,045 _FCFF
-,195 ,050
-,325 -3,929
,000 ,525
1,905 _SIZE
,217 ,060
,303 3,626
,000 ,512
1,952 _PBV
,054 ,056
,058 ,952
,342 ,959
1,042 Dependent Variable: Ln_DER
Universitas Sumatera Utara
85
tingkat kepercayaan 5 dapat disimpulan model regresi tidak mengarah adanya heterokedastisitas Situmorang dan Lufti, 2012. Hasil uji glesjer
ditunjukkan pada Tabel 4.5berikut : Tabel 4.5
Uji Heteroskedastisitas Uji Glejser
Variabel dependen ABSUt
Coefficients
a
del Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
1,025E-013 2,885
,000 1,000
_BLOCK ,000
,277 ,000
,000 1,000
_FCFF ,000
,050 ,000
,000 1,000
_SIZE ,000
,060 ,000
,000 1,000
_PBV ,000
,056 ,000
,000 1,000
Dependent Variable: ABSUt
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan Tabel 4.5, dapat dilihat bahwa nilai signifikansi variabel independen yang terdiri Ln_Block, Ln_FCFF, Ln_Size dan Ln_PBV memiliki
tingkat signifikansi lebih besar dari tingkat signifikan 5 α =0,05 Dengan
demikian, dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas dalam model regresi penelitian ini.
4.2.2.4 Uji Autokorelasi
