Tabel 4.3 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation .62141428
Most Extreme Differences Absolute
.191 Positive
.191 Negative
-.116 Kolmogorov-Smirnov Z
1.326 Asymp. Sig. 2-tailed
.059 a. Test distribution is Normal.
Sumber : Diolah oleh penulis dengan SPSS, 2011
.
Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 1,326 dan signifikansi pada 0,059 sehingga dapat disimpulkan bahwa data dalam model
regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,005 p=0,059 0,005. Dengan demikian, secara keseluruhan dapat disimpulkan
bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
b. Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya korelasi di antara variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Ghozali, 2005: 91.
Akibat dari terjadinya korelasi antar variabel bebas ini adalah koefisien- koefisien regresi menjadi tidak dapat ditaksir dan nilai standart error bagi setiap
koefisien menjadi tidak terhingga. Hasil uji multikolinearitas disajikan dalam tabel 4.4 dan tabel 4.5.
Tabel 4.4 Uji Multikolinearitas 1
Model CAR
DER 1
Correlations CAR
1.000 .767
DER .767
1.000 Covariances
CAR .002
.073 DER
.073 5.605
a. Dependent Variable: Laba
Sumber : Diolah oleh penulis dengan SPSS, 2011.
Tabel 4.5 Uji Multikolinearitas 2
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.505 .774
.652 .518
CAR -.376
2.368 -.037
-.159 .875
.412 2.425
DER -.022
.040 -.127
-.549 .586
.412 2.425
a. Dependent Variable: Laba
Sumber : Diolah oleh penulis dengan SPSS, 2011.
Dari tabel 4.4 dapat dilihat bahwa hasil besaran korelasi antar variabel bebas masih di bawah 95 , maka dapat dikatakan bahwa tidak terjadi
multikolinearitas yang serius.
Hasil perhitungan nilai tolerance pada tabel 4.5 menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0.10 yang berarti
tidak terjadi korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal
yang sama, tidak ada variabel bebas yang memiliki nilai VIF lebih dari 10. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolinieritas
antar variabel independen dalam model regresi.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2005: 105. Untuk mendeteksi ada tidaknya heteroskedastisitas, dapat dilihat dari grafik scatterplot antara nilai prediksi
variabel terikat yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang teratur, maka telah terjadi heteroskedastisitas. Sebaliknya
jika tidak ada pola yan gjelas serta titik-titik yang menyebar, maka tidak terjadi heteroskedastisitas.
Hasil dari Uji Heteroskedastisitas dapat ditunjukkan dalam grafik scatterplot antara ZPRED dan SRESID sebagai berikut:
Gambar 4.3 Uji Heteroskedastisitas
Sumber: Hasil olah data statistik, 2010 Suatu regresi dikatakan terdeteksi heteroskedastisitas apabila diagram
pencar residual membentuk pola tertentu. Tampak pada pola output di atas, diagram pencar residual tidak membentuk pola tertentu serta titik-titik menyebar
di atas dan di bawah angka 0 baik pada sumbu Y maupun sumbu X. Kesimpulannya adalah bahwa regresi terbebas dari kasus heteroskedastisitas dan
memenuhi persyaratan uji asumsi klasik tentang heteroskedastisitas.
d. Uji Autokorelasi