Tabel 4.3 menunjukkan besarnya Kolmogorov-Smirnov K-S adalah 0,654 dan signifikansi pada 0,786 sehingga dapat disimpulkan bahwa data dalam
model regresi telah berdistribusi secara normal, dimana nilai signifikansinya
lebih besar dari 0,05 p = 0,786 0,05.
b. Uji Multikolinieritas
Mendeteksi ada tidaknya gejala multikolonieritas adalah dengan melihat besaran korelasi antar variabel independen. Batas tolerance value adalah 0,1 dan
batas VIF adalah 10. Suatu data penelitian dikatakan terjadi multikolinieritas apabila tolerance value 0,1 dan VIF 10. Sebaliknya data yang terbebas dari
multikolinieritas adalah tolerance value 0,1 dan VIF 10. Hasil pengujian data disajikan pada tabel 4.4 sebagai berikut.
Tabel 4.4 Uji multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .254
.075 3.382
.001 LOGSIZE
.032 .005
.661 5.952
.000 .771
1.297 NPM
.126 .104
.131 1.206
.232 .810
1.235 CR
.006 .004
.187 1.347
.183 .495
2.020 DTAR
.001 .042
.003 .025
.980 .512
1.951 PSP
.044 .041
.109 1.082
.283 .929
1.076 a. Dependent Variable: KP
sumber: output SPSS, diolah penulis, 2010 Hasil pengujian data pada tabel 4.4 menunjukkan nilai tolerance variabel
independen lebih dari 0,10. Hal ini dilihat pada tolerance value LOGSIZE yaitu
Universitas Sumatera Utara
0,771; NPM senilai 0,810; CR senilai 0,495; DTAR senilai 0,512; PSP senilai 0,929 dan hasil perhitungan VIF kurang dari 10 yakni terlihat pada nilai VIF
LOGSIZE senilai 1,297; NPM senilai 1,235; CR senilai 2,020; DTAR senilai 1,951; PSP senilai 1,076. Hal ini berarti tidak terjadi korelasi antar variabel
independen sehingga data tersebut terbebas dari multikolinearitas sehingga
dapat digunakan dalam penelitian.
c. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode saat ini dengan
kesalahan pengganggu periode sebelumnya. Autokorelasi sering terjadi pada sampel dengan data time series dengan n sampel adalah periode waktu. Pengujian
autokorelasi pada penelitian ini dilakukan dengan menggunakan The Runs Test dan uji Durbin-Watson.
Tabel 4.5
Runs Test
Unstandardized Residual Test Value
a
-.00051 Cases Test Value
36 Cases = Test Value
36 Total Cases
72 Number of Runs
36 Z
-.237 Asymp. Sig. 2-tailed
.812 Sumber: Output SPSS, diolah penulis,2010
Universitas Sumatera Utara
Hasil output SPSS menunjukkan bahwa nilai test adalah -0,00051 dengan
probabilitas 0,812. Hal ini menunjukkan bahwa tidak terjadi autokorelasi pada
penelitian ini karena nilau signifikan lebih besar dari 0,05. Pengujian autokorelasi yang lain dapat dilakukan dengan uji durbin-Watson D-W.
Tabel 4.6 Uji Durbin-Watson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .610
a
.372 .325
.05435 1.710
a. Predictors: Constant, PSP, DTAR, LOGSIZE, NPM, CR b. Dependent Variable: KP
Sumber: output SPSS, diolah penulis, 2010 Hasil pengujian pada tabel 4.6 menunjukkan bahwa nilai D-W sebesar
1,710. Nilai ini diatas -2 dan dibawah +2. Artinya tidak terjadi autokorelasi
pada data penelitian ini.
d. Uji Heteroskedastisitas