berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari
0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2. Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 66
Normal Parameters
a
Mean .0000027
Std. Deviation 1.85728198E10
Most Extreme Differences Absolute
.087 Positive
.087 Negative
-.067 Kolmogorov-Smirnov Z
.707 Asymp. Sig. 2-tailed
.700 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada tabel 4.2 pada penelitian ini menujukkan probabilitas = 0,700. Dengan demikian, data pada penelitian ini
berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,700 0,05 H
diterima.
2. Hasil Uji Heteroskedastisitas
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain”. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan
jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data
Universitas Sumatera Utara
crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis
adalah : H
: tidak ada heteroskedastisitas, H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas scatterplot
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Heteroskedastisitas glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.013E10
2.639E9 3.837
.000 Operasi
-.058 .048
-.146 -1.203
.233 Investasi
.076 .056
.162 1.359
.179 Pendanaan
.133 .053
.304 2.505
.065 a. Dependent Variable: Absut
Pada gambar 4.3 tentang grafik scatterplot diatas dapat dilihat bahwa titik- titik pada scatterplot menyebar secara acak tidak membentuk sebuah pola tertentu
yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model
regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.2 diatas kita dapat melihat bahwa nilai
signifikansi untuk variabel AKO adalah 0.233 0.05, nilai signifikansi untuk variabel AKI adalah 0,179 0.05 dan nilai signifikansi untuk variabel AKP
adalah 0,65 0.05 . Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan
lebih besar dari 0,05
3. Hasil Uji Autokorelasi
