Tabel 4.4 One-Sample Kolmogorov-Smirnov Test Setelah Transformasi Data
Sumber: Hasil pengolahan data sekunder, 2015
Dari table 4.4 ditunjukkan bahwa nilai signifikan One-Sample Kolmogorov- Smirnov adalah 0,307. Karena lebih besar dari 0,05 maka hasil pengujian di atas dapat
disimpulkan bahwa variabel dalam penelitian ini terdistribusi secara normal, mendukung pengujian dengan menggunakan grafik plot.
4.3.2 Uji multikolinieritas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen. Uji multikolonieritas dilakukan dengan menggunakan uji nilai tolerance value atau Variance Inflation Factor VIF.
Untuk mengetahui ada tidaknya multikolinieritas yaitu dengan cara melihat nilai tolerance value atau Variance Inflation Factor VIF. Batas dari nilai batas tolerance value
adalah 0,01 dan VIF adalah 10. Apabila tolerance value di bawah 0,01 atau nilai VIF di atas 10 maka terjadi multikolinieritas Ghozali, 2007.
Hasil uji multikolinieritas adalah sebagai berikut:
Tabel 4.5 Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
Constant -.009
5.031 -.002
.999 lnukuranperusahaan
-.040 .389
-.033 -.102
.919 .172
5.810 lnaruskasoperasi
.051 .309
.051 .164
.871 .179
5.599 lnlabaakuntansi
.248 .225
.285 1.103
.276 .264
3.793 kebijakan hutang
-2.669 1.646
-.230 -1.621
.112 .870
1.150 a. Dependent Variable: lndividen
Sumber: Hasil pengolahan data sekunder, 2015
Dari tabel 4.5, dalam tabel coefficient, menunjukkan bahwa tidak ada variabel bebas yang memiliki nilai tolerance kurang dari 0,10. Hasil VIF juga menunjukkan bahwa
tidak ada variabel bebas yang memiliki nilai lebih dari 10. Dengan demikian dapat dikemukakan bahwa tidak terjadi multikolinieritas dalam model regresi ini.
4.3.3 Uji heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah data dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jik berbeda disebut heterokedastisitas. Model regresi yang baik
adalah model regresi homokedastisitas atau tidak terjadi heterokedastisitas menurut Ghozali 2007 dalam Iskandar Muda 2010.
Gambar 4.5 Hasil Uji Heterokedastisitas
Sumber: Hasil pengolahan data sekunder, 2015
Dari gambar 4.4, terlihat titik-titik menyebar secara acak serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Berarti tidak terjadi heteroskedasitas pada model
regresi, sehingga model regresi layak dipakai untuk memprediksi.
4.3.4 Uji autokorelasi
