4.2.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian untuk memenuhi persyaratan untuk memperoleh penaksiran yang
terbaik.Adapun uji yang dilakukan dalam penelitian ini adalah uji normalitas, multikolinearitas, autokorelasi, dan heterokedastisitas.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.Pengujian normalitas data
penelitian ini menggunakan analisis grafik dan statistik.Analisis grafik untuk melihat normalitas dilakukan dengan melihat kurva normal probability
plot.Analisis statistik dilakukan dengan uji kolmogrov-smirnov.Analisis statistik dilakukan karena uji normalitas dengan grafik dapat menyesatkan
secara visual.Data bisa terlihat normal padahal secara statistik bisa sebaliknya.
Universitas Sumatera Utara
Gambar 4.1 Grafik Normal P-Plot
Sumber :Output SPSS, data diolah peneliti, 2016
Pada Gambar 4.1 tterlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis histogram menuju pola distribusi normal maka
variable dependent memenuhi asumsi normalitas.Selain itu uji normalitas juga dapat dilakukan dengan uji one-sample kolmogrov-smirnov. Nilai
signifikansi dari residual yang berdistribusi secara normal adalah jika nilai asymp.Sig 2-tailed dalam pengujian one-sample kolmogorov-smirnov test
lebih dari 0,05. Hasil uji one-sample kolmogorov-smirnov test ditampilkan pada Tabel 4.3 di bawah ini.
Universitas Sumatera Utara
Tabel 4.3 Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation .46224771
Most Extreme Differences Absolute
.104 Positive
.087 Negative
-.104 Kolmogorov-Smirnov Z
.718 Asymp. Sig. 2-tailed
.681 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS, data diolah peneliti, 2016 Dari tabel 4.3 diatas dapat dilihat bahwa nilai Kolmogorov-
Smirnov adalah 1.718 dengan nilai asymp.sig.2-tailed sebesar 0.681 hal ini berarti data dalam model regresi berdistribusi dengan normal, karena
niali asymp.sig.2-tailed lebih besar dari 0.05.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antara variable bebas.
Multikolinearitas terjadi jika nilai VIF Varian infalation factor 10; dan jika tolerance 0,10. Berikut hasil perhitungan menggunakan SPSS :
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-5.335 2.565
SIZE 3.792
2.294 .236
.898 1.114
DOL -.259
.315 -.258
.186 5.381
GROW -.039
.169 -.034
.885 1.130
NPM -.234
.316 -.231
.188 5.313
Sumber : Output SPSS, data diolah peneliti, 2016 Berdasarkan tabel 4.4 dapat dilihat bahwa antara variabel
independen tidak terjadi multikolinearitas. Hal ini dadat dilihat dari nilai tolerance yang memiliki nilai 0,10 dan nilai VIF 10. Jadi dapat
disimpulkan bahwa tidak ada multikolinearitas antara variabel independen dalam model regresi ini.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya.Pengukuran autokorelasi dalam penelitian ini dilakukan menggunakan uji Durbin-
Watson DW-Test.Untuk melihat terjadi atau tidaknya autokorelasi dalam suatu model regresi dapat dilihat pada tabel Model Summary di bawah ini.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .462
a
.214 .141
.48327 2.529
a. Predictors: Constant, NPM, GROW, SIZE, DOL b. Dependent Variable: SM
Sumber : Output SPSS, data diolah peneliti, 2016 Berdasarkan tabel 4.5 diatas, terlihat angka D-W sebesar 2,529.
Nilai tersebut selanjutkan dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah sampel 75, dan jumlah variabel
independen 4 k=4. Dari tabel 4.5 dapat diketahui nilai D-W sebesar 2.529, yang lebih besar dari batas atas dU 1.70920 dan kurang dari 4 –
1.7092 d- dU, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negative.
4.2.2.4 Uji Heteroskedastisitis
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pangamtan yang lain. Jika ada pola yang tertentu, maka telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik titik
menyebar di atas dab di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.2 Hasil Uji Heteroskedastisitas Scatterplot
Pada Gambar 4.2 garfik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka
0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak
dipakai untuk memprediksi Z-Score perusahaan manufaktur yang terdaftar di BEI berdasarkan masukan variabel independen rasio SIZE, DOL,
GROW, dan NPM.
4.2.3 Analisis Regresi