Uji Asumsi Klasik a Multikolinearitas

commit to user 42 Hasil uji normalitas dengan N=50 menunjukkan nilai Kolmogorov Smirnov sebesar 2,725 dengan asymptotic 0,000 α 0,05, yang berarti data tidak berdistribusi normal. Oleh karena data tidak berdistribusi normal maka dilakukan transformasi data. Setelah dilakukan transformasi data dengan logaritma natural maka data berdistribusi normal, adapun hasil uji normalitas setelah transformasi dapat dilihat pada tabel berikut: Tabel IV.3 Uji Normalitas setelah Transformasi Logaritma Natural One-Sample Kolmogorov-Smirnov Test lndev_kas ln_roe ln_qr ln_MVEB VE N 50 50 50 50 Normal Parametersa,b Mean -1.1470 2.5061 .0825 5.2694 Std. Deviation 1.69497 1.15413 .76383 2.15188 Most Extreme Differences Absolute .096 .156 .133 .147 Positive .066 .105 .133 .096 Negative -.096 -.156 -.068 -.147 Kolmogorov-Smirnov Z .682 1.106 .939 1.037 Asymp. Sig. 2-tailed .741 .173 .342 .232 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Olah Data SPSS Hasil uji normalitas dengan N=50 menunjukkan nilai Kolmogorov Smirnov dari setiap variabel penelitian yaitu lndev_kas, ln_Roe, ln_QR dan LN_MVEBVE dengan asymptotic α 0,05, yang berarti data berdistribusi normal. Untuk selanjutnya peneliti menggunakan sampel sebesar 50 perusahaan.

2. Uji Asumsi Klasik a Multikolinearitas

commit to user 43 Multikolinearitas terjadi apabila variabel dependen satu sama lain atau dengan kata lain variabel independen berkorelasi dengan variabel independen lain. Hasil pengujian asumsi multikolinearitas dapat dilihat berdasarkan nilai variance inflation factor VIF dan Tolerance berikut ini : Tabel IV.4 Uji Multikolinearitas. Coefficientsa Model Collinearity Statistics Tolerance VIF 1 ln_roe .959 1.043 ln_qr .900 1.112 ln_MVEBVE .899 1.112 A Dependent Variable: lndev_kas Sumber : Hasil Olah Data SPSS Hasil perhitungan nilai VIF pada tabel di atas, menunjukkan bahwa nilai VIF untuk masing-masing variabel independen tidak memiliki nilai lebih dari 10 dan nilai tolerance lebih 0,01, sehingga dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen. b Uji Autokorelasi Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Salah satu cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan uji Durbin- Watson DW Test. commit to user 44 Berdasarkan hasil pengujian yang telah dilakukan, ditemukan bahwa nilai DW adalah sebesar 1,794. Karena nilai DW dU 1,674 atau dU 1,674 DW 1,794 4-dU 4-1,674 = 2,326, berarti tidak ada autokorelasi positif maupun negatif. c Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam metode regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain tetap. Metode yang digunakan untuk menguji ada atau tidaknya heteroskedastisitas adalah dengan metode gletjer yaitu melihat nilai t hitung dari hasil regresi dengan variabel dependen residual. Jika t hitung dengan p value 0,05 maka terjadi heteroskedastisitas dan jika t hitung dengan p value 0,05 maka tidak ada gejala heteroskedastisitas Dari hasil perhitungan maka dapat dilihat pada tabel berikut ini. Tabel IV.5 Uji Heteroskedastisitas Coefficients a 1.205 .393 3.069 .004 -.092 .106 -.126 -.868 .390 -.209 .165 -.191 -1.268 .211 .016 .059 .042 .282 .780 Constant ln_roe ln_qr ln_mbve Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: ABS_RES1 a. Sumber : Hasil Olah Data SPSS Dari tabel di atas variabel Ln_ROE, Ln_QR, dan Ln_MVEBVE mempunyai nilai t hitung dengan p value 0,05, hal ini menunjukkan commit to user 45 tidak adanya gejala heteroskedastisitas dalam model regresi yang digunakan.

3. Pengujian Hipotesis