63
Pada pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti
ular dari garis diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika titik-titik menyebar sangat dekat pada garis
diagonal, maka asumsi normalitas dipenuhi. Perhatikan bahwa pada normal probability plot Gambar 4.2, titik-titik menyebar cukup
dekat pada garis diagonal, maka disimpulkan bahwa asumsi normalitas dipenuhi
4.2.2.2 Uji Asumsi Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen. Untuk
mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai VIF Variable Inflation Factor dan nilai tolerance. Jika nilai VIF 10 dan
nilai tolerance 0,01 maka dapat disimpulkan tidak terjadi multikolinearitas. Pengujian multikolinearitas dapat dilihat pada tabel
4.4 berikut:
64
Tabel 4.4 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.072
.035 -2.035
.045 Current Ratio
-.005 .011
-.011 -.510
.612 .847
1.181 Debt Ratio
.963 .023
.984 41.696
.000 .768
1.303 Return on Asset
.205 .216
.021 .949
.345 .882
1.134 Total Asset Turnover
-.152 .024
-.142 -6.288
.000 .843
1.186 Gross Profit Margin
-.023 .023
-.022 -1.015
.313 .877
1.140 a. Dependent Variable: Kinerja Perusahaan
Sumber: Output SPSS, diolah peneliti, 2015
Perhatikan bahwa berdasarkan Tabel 4.4, nilai VIF dari variabel current ratio adalah 1,181, nilai VIF dari variabel debt ratio adalah 1,303,
nilai VIF dari return on asset adalah 1,134, nilai VIF dari variabel total asset turnover adalah 1,186, dan nilai VIF dari variabel gross profit margin adalah
1,140. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.2.3 Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang paling sering digunakan untuk mendeteksi
65
ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson DW. Menurut metode durbin Watson, asumsi diterima tidak
terdapat autokorelasi jika du d 4-du Ghozali, 2006:100. Hasil pengujian autokorelasi dapat dilihat pada tabel 4.5 sebagai
berikut:
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.981
a
.962 .960
.12260 2.512
a. Predictors: Constant, Gross Profit Margin, Return on Asset, Current Ratio, Total Asset Turnover, Debt Ratio
b. Dependent Variable: Kinerja Perusahaan
Sumber: Output SPSS, diolah peneliti, 2015
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 2,512. Perhatikan bahwa karena nilai statistik Durbin-
Watson terletak di antara 1 dan 3, maka uji autokorelasi terpenuhi.
4.2.2.4 Uji Heteroskedastisitas