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