Tabel 4.3 Uji Normalitas Setelah Transformasi
Sumber : Output SPSS. Diolah oleh penulis.
Hasil uji kolmogorov smirnov pada tabel 4.3 diatas menunjukkan nilai Kolmogorov Smirnov K-S sebesar 0,634 dan
nilai signifikan sebesar 0,816 sehingga dapat disimpulkan bahawa data dalam model regresi berdistribusi normal, dimana nilai
signifikansinya 0.816 0,05.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel residu dari
satu pengamatan ke pengamatan lain Ghozali, 2006:105. Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 4.5 berikut
ini:
Universitas Sumatera Utara
Gambar 4.5 Grafik Scatterplot Awal
Pada gambar 4.5 terlihat bahwa grafik scatterplot menunjukkan pola tertentu dimana titik-titik tidak tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y dan mengindikasikan telah terjadi heteroskedastisitas. Model regresi dikatakan baik apabila tidak
terjadi heteroskedastisitas. Agar model regresi dapat digunakan maka peneliti melakukan transformasi data. Hasil dari transformasi
data terhadap pengujian heteroskedastisitas adalah sebagai berikut:
Universitas Sumatera Utara
Gambar 4.6 Grafik
Scatterpplot Setelah Transformasi Data
Pengujian heteroskedastisitas setelah transformasi data pada gambar 4.6 menunjukkan bahwa titik-titik menyebar secara
acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan
model regresi layak dipakai untuk mengetahui faktor-faktor yang mempengaruhi struktur modal.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode
Universitas Sumatera Utara
t dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2008:106. Autokorelasi sering terjadi pada sampel dengan data time
series dengan n sampel adalah periode waktu. Pengujian autokorelasi pada penelitian ini dilakukan dengan menggunakan uji Durbin-
Watson.
Tabel 4.4 Uji Durbin-Watson
Hasil pengujian pada tabel 4.4 menunjukkan bahwa nilai D-W Durbin Watson sebesar 1,768. Nilai ini akan dibandingkan dengan
nilai tabel Durbin-Watson, dimana nilai batas bawah Durbin-Watson dl sebesar 1,485, nilai batas atas Durbin-Watson du sebesar 1,690
dengan jumlah sampel n sebanyak 61 dan jumlah variabel independen k sebanyak 4 variabel. Sesuai dengan kriteria
pengambilan keputusan Durbin-Watson du d 4-du = 1,690 1,768 2,310, maka model regresi pada penelitian ini tidak terjadi
autokorelasi.
Universitas Sumatera Utara
d. Uji Multikolinearitas