a = konstanta
b1,b2,b3,b4,b5,b6 = koefisien regresi X1
= Perubahan DER X2
= Perubahan DAR X3
= Perubahan LDAR X4
= Perubahan LDER X5
= Perubahan EAR X6
= Dividen Pay Out Ratio e
= error-terms variabel pengganggu
4.6.1. Pengujian Asumsi Klasik
Sebelum melakukan pengujian hipotesis terlebih dahulu dilakukan pengujian asumsi klasik yang meliputi pengujian normalitas data, multikolinieritas,
heteroskedastisitas dan autokorelasi. Dilakukannya uji asumsi klasik ini bertujuan agar suatu data berdistribusi normal dan layak untuk diuji.
4.6.1.1. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah model regresi dalam penelitian, di mana variabel dependen dan variabel independen, keduanya memiliki
distribusi normal atau tidak. Untuk dapat dianalisis, data harus berdistribusi normal atau mendekati normal. Cara mendeteksi normalitas adalah dengan melihat distribusi
dari variabel-variabel yang akan diteliti. Jika variabel tidak berdistribusi secara normal menceng ke kiri atau menceng ke kanan, maka data disebut tidak
berdistribusi normal. Normalitas variabel juga dapat dideteksi dengan menggunakan
p d f Machine
A pdf w rit er t hat produces qualit y PDF files w it h ease
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the
“ Broadgun pdfMachine printer” and that’s it Get yours now
Universitas Sumatera Utara
uji statistik Kolmogorov-Smirnov. Apabila nilai signifikansi di atas 0,05 maka data tersebut dikatakan berdistribusi normal.
4.6.1.2. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem korelasi Ghozali, 2009: 99. Autokorelasi muncul karena adanya
observasi yang saling berurutan sepanjang waktu yang saling berkaitan satu sama lainnya. Hal ini sering ditemukan pada time series. Pada data cross section, masalah
autokorelasi relatif tidak terjadi. Cara mendeteksi adanya gejala autokorelasi adalah dengan melihat nilai Durbin-Watson. Cara menguji autokorelasi adalah dengan
melihat model regresi linier berganda terbebas dari autokorelasi apabila nilai Durbin- Watson berada di bawah angka 2 Lubis dkk, 2007: 33.
4.6.1.3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009: 95. Konsekuensi praktis yang timbul sebagai akibat adanya multikolinearitas ini
adalah kesalahan standar penaksir semakin besar dan probabilitas untuk menerima hipotesis yang salah semakin besar sehingga mengakibatkan diperolehnya
kesimpulan yang salah. Dalam asumsi klasik, diterangkan bahwa tidak ada multikolinearitas yang sempurna antar variabel independen. Cara mendeteksi adanya
p d f Machine
A pdf w rit er t hat produces qualit y PDF files w it h ease
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the
“ Broadgun pdfMachine printer” and that’s it Get yours now
Universitas Sumatera Utara
gejala multikolinearitas adalah dengan menggunakan metode varian inflation factor VIF. Adapun kriteria yang digunakan dalam pengujian metode VIF ini adalah jika
VIF 10 terjadi multikolinearitas yang tinggi antara variabel independen dengan variabel independen lainnya.
4.6.1.4. Uji Heterokedastisitas
Uji ini bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2001.
Model regresi yang baik adalah yang homokesdastisitas atau yang tidak terjadi heteroskesdastisitas. Deteksi dapat dilakukan dengan menggunakan uji metode grafis
yaitu dengan melihat ada tidaknya pola tertentu yang tergambar pada scatterplot. Dasar pengambilan keputusan adalah jika ada pola tertentu yang teratur
bergelombang, melebar
kemudian menyempit
maka telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.6.2. Pengujian Hipotesis