65
C. Hasil Uji Asumsi Klasik
1. Uji Normalitas
Untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak dapat diketahui
dengan membandingkan nilai Jarque-Bera dengan nilai Chi-tabel, maka data dalam penelitian berdistribusi normal Winarno, 2011. Normalitas
data dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti bentuk kurva normal, sehingga sulit disimpulkan. Lebih
mudah bila melihat koefisien Jarue-Bera dan probabilitasnya. Kedua angka ini bersifat saling mendukung. Apabila nilai probabilitasnya lebih
besar dari 5 , maka data terdistribusi normal Winarno, 2011. Adapun uji normalitas dapat dilihat pada grafik 4.1 sebagai berikut:
Grafik 4.1 Uji Normalitas
4 8
12 16
20 24
28
-0.4 -0.2
0.0 0.2
0.4
Series: Standardized Residuals Sample 2011 2014
Observations 200
Mean -2.43e-16
Median -0.011511
Maximum 0.542515
Minimum -0.510164
Std. Dev. 0.196443
Skewness 0.264007 Kurtosis
3.027372 Jarque-Bera 2.329571
Probability 0.311990
Sumber: data diolah
Dilihat pada grafik 4.1 diperoleh nilai Jarque-Bera hitung sebesar 2,329571 dan nilai probabilitasnya sebesar 0,311990 karena nilai
66
probabilitas lebih besar dari tingkat signifikansi α = 5 0,311990 0.05.
Maka dapat disimpulkan bahwa data dalam penelitian ini telah terdistribusi secara normal.
2. Uji Multikolinieritas
Multikolinieritas adalah kondisi adanya hubungan linier antar variable indpenden. Untuk meilihat ada atau tidak adanya multikolonieritas nilai
correlation matrix dari semua variable inpenden harus kurang dari 0.8. Berikut ini uji multikolinieritas dengan menggunakan correlation matrix:
Tabel 4.5 Correlation Matrix
ROA IOS
KM KI
ROA 1.000000
-0.036068 -0.035259
0.040789 IOS
-0.036068 1.000000
-0.049608 0.063780
KM -0.035259
-0.049608 1.000000
0.136269 KI
0.040789 0.063780
0.136269 1.000000
Sumber: data diolah Dari tabel 4.5 dapat dilihat bahwa tidak ada masalah multikolinieritas.
hal ini dikarenakan nilai korelasi matriks correlation matrix dari semua variable independen adalah kurang dari 0.8.
Multikolinieritas biasanya terjadi pada estimasi yang menggunakan data runtut waktu. Dengan mengkombinasikan data time series
dengan data cross-section
mengakibatkan masalah multikolinieritas secara teknis dapat dikurangi. Penelitian ini menggunakan data panel, yang mana secara teknis
sudah dikatakan masalah multikolinieritas adalah sudah tidak ada.
67
3. Uji Heterkoskedastisitas
Kategori