48
Tabel 4.3 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 237
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,75783843
Most Extreme Differences Absolute
,058 Positive
,058 Negative
-,045 Kolmogorov-Smirnov Z
,890 Asymp. Sig. 2-tailed
,407 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Olahan SPSS 2015 Pada Tabel 4.3 terlihat bahwa nilai Kolmogorov-Smirnov adalah 1,890.
Nilai Asymp. Sig. 2-tailed adalah 0,407 nilai tersebut berada di atas nilai signifikan 0,05. Hal ini berarti variabel residual berdistribusi normal
Situmorang dan Lufti, 2012 : 107.
4.3.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas sehingga model
regresi layak dipakai untuk memprediksi variabel dependen berdasarkan masukan
49
variabel independennya. Untuk mendeteksi ada atau tidaknya heteroskedastisitas, dapat dilakukan dengan :
a. Uji Glejser
Uji heteroskedastisitas dapat dilakukan dengan cara uji glejser, yaitu dengan mengabsolutkan nilai residual kemudian meregresikan dengan variabel
independen. Jika variabel independen signifikan secara statistik memperngaruhi variabel dependen maka ada indikasi terkena heteroskedastisitas. Jika probabilitas
signifikannya di atas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas Situmorang dan Lutfi, 2012:116.
Hasil uji glejser ditunjukkan pada Tabel 4.4 berikut ini.
Tabel 4.4 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1,672
,696 2,403
,017 LnSIZE
-,417 ,265
-,103 -1,575
,117 LnROA
,021 ,023
,060 ,921
,358 a. Dependent Variable: Absut
Sumber: Hasil Olahan SPSS 2015
Hasil tampilan ouput SPSS data dengan jelas menunjukkan semua variabel independen tidak signifikan terhadap variabel dependen. Hal ini terlihat dari
probabilitas signifikansi semua variabel yang berada di atas 0.05. Jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas
Situmorang dan Lufti, 2012 : 116.
50
4.3.3 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antarvariabel independen. Jika ditemukan, maka
dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi adanya
multikolinearitas dapat dilihat pada besarnya nilai tolerance dan variance inflation factor VIF, jika nilai VIF 5 dan nilai tolerance 0.1 maka tidak
terdapat masalah multikolinearitas Situmorang dan Lufti, 2012 : 140. Tabel 4.5 Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-3,087 1,181
-2,614 ,010
LnSIZE 1,218
,450 ,164
2,709 ,007
,989 1,011
LnROA -,236
,039 -,371
-6,124 ,000
,989 1,011
a. Dependent Variable: LnDER
Sumber: Hasil Olahan SPSS 2015 Pada Tabel 4.5 menunjukkan nilai VIF 5 dan nilai tolerance 0.1 yang
berarti bahwa tidak terjadi multikolinearitas.
51
4.3.4 Uji Autokorelasi