BAB III................................................................................................................... 73
B. Hasil Uji Analisis Data Penelitian
2. Hasil Uji Asumsi Klasik
Uji normalitas uji normalitas dilakukan untuk menguji apakah dalam sebuah regresi, variabel dependen, variabel independen atau kedua-duanya mempunyai distribusi normal atau tidak. Uji normalitas dapat dilakukan dengan analisis grafik maupun analisis statistik.
1) Analisis Grafik
Hasil uji normalitas dapat diketahui dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusI normal. Berikut ini adalah hasil uji normalitas dengan histogram normality.
Gambar 4.1
Hasil Uji Normalitas dengan Histogram Normality
Sumber: Output data sekunder diolah dengan SPSS 25
103 Berdasarkan tampilan histogram dari gambar 4.1 terlihat bahwa grafik histogram tidak menunjukkan kemencengan. Hal tersebut dapat dilihat dari bentuk grafik yang membentuk seperti lonceng dengan puncak sejajar dengan titik 0 sumbu X. Hal ini menandakan bahwa analisis regresi layak digunakan. Kemudian untuk mendukung hasil analisis grafik histogram, maka dilakukan analisis terhadap grafik normal probability plot sebagai berikut
Gambar 4.2
Hasil Uji Normalitas dengan Grafik Normality Probability Plot
Sumber: Output data sekunder diolah dengan SPSS 25
Berdasarkan tampilan grafik normality probability plot pada gambar 4.1 terlihat bahwa titik-titik yang mewakili jumlah sampel
104 dalam penelitian ini berada atau menyebar mendekati disekitar garis diagonal dan searah mengikuti garis diagonal, maka model data regresi ini sudah memenuhi syarat asumsi normalitas data serta mempunyai pola distribusi yang normal.
2) Analisis Statistik
Kemudian, analisis statistik dilakukan untuk menguatkan hasil analisis deskriptif. Analisis statistik dilakukan dengan menggunakan metode uji One Sample Kolmogorov-Smirnov (K-S). Hasil uji statistika One Sample Kolmogorov-Smirnov (K-S) dapat dilihat dalam table 4.3 berikut.
Tabel 4.3 Hasil Uji Normalitas
Sumber: Output data sekunder diolah dengan SPSS 25
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa,b Mean .0000000
Std. Deviation .30281785
Most Extreme Differences Absolute .094
Positive .094
Negative -.049
Test Statistic .094
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
105 Dari tabel 4.3 diatas dapat diketahui bahwa besarnya nilai tingkat signifikansi adalah 0,200. Hal ini menandakan bahwa data residualterdistribusi secara normal karena tingkat signifikansinya di atas0,05 atau di atas 5% . Hal ini berarti model regresi tidak memiliki masalah normalitas data atau data terdistribusi secara normal dan layak digunakan.
b. Hasil Uji Autokorelasi
Tujuan dilakukannya uji autokorelasi adalah untuk mendeteksi apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Dalam penelitian ini uji autokorelasi menggunakan metode Run Test. Berikut adalah hasil dari pengujian Run Test.
Tabel 4.4 Hasil Uji Autokorelasi
Runs Test
Unstandardized Residual
Test Valuea -.03736
Cases < Test Value 29
Cases >= Test Value 30
Total Cases 59
Number of Runs 29
Z -.392
Asymp. Sig. (2-tailed) .695 a. Median
Sumber: Output data sekunder diolah dengan SPSS 25
106 Berdasarkan tabel 4.4 diperoleh hasil uji autokorelasi dengan menggunakan Run Test dengan tingkat probabilitas (Asymp. Sig 2-tailed) sebesar 0,695 yang menunjukkan bahwa nilai signifikansi lebih dari 0,05 atau lebih dari 5%. Dari hasil tersebut, dapat disimpulkan bahwa model tersebut tidak mengalami masalah autokorelasi.
c. Hasil Uji Multikolinieritas
Dilakukannya uji multikolinieritas ini untuk melihat apakah terjadi korelasi antara variabel bebas atau satu sama lainnya. Hasil uji multikolinieritas dapat dilihat dengan nilai Tolerance dan VIF (Variance Inflation Factor). Jika nilai Tolerance > 0,1 dan VIF < 10, maka dapat dikatakan tidak terjadi multikolinieritas antara variabel bebas. Berikut hasil uji multikolinieritas yang disajikan dalam tabel 4.5 yang menunjukkan hasil dari uji multikolinieritas.
Tabel 4.5
Hasil Uji Multikolinearitas Coefficientsa
Model
Collinearity Statistics Tolerance VIF
1 Inflasi(X1) .886 1.128
Tax Avoidance (X2) .486 2.059 Risk Financial (X3) .604 1.656 Profitabilitas (X4) .518 1.932 a. Dependent Variable: Nilai Perusahaan (Y)
Sumber: Output data sekunder diolah dengan SPSS 25
107 Berdasarkan hasil uji multikolinearitas yang disajikan dalam tabel 4.5 di atas, dapat dilihat bahwa variabel independen yaitu Inflasi, Tax Avoidance, Financial Risk, dan Profitabilitas memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF kurang dari 10. Untuk variabel inflasi diperoleh nilai Tolerance sebesar 0,886 dan nilai VIF sebesar 1.128.
Variabel tax avoidance memperoleh nilai Tolerance sebesar 0,486 dan nilai VIF sebesar 2,059. Sedangkan, variabel Financial Risk memperoleh nilai Tolerance sebesar 0,604 dan nilai VIF sebesar 1,656. Dan untuk variabel profitabilitas diperoleh nilai Tolerance sebesar 0,518 dan nilai VIF sebesar 1,932. Hasil uji multikolinearitas dengan nilai Tolerance lebih besar dari 0,10 dan nilai VIF kurang dari 10 menandakan bahwa tidak terjadi multikolinieritas antara variabel bebas dari data penelitian.
d. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk melihat apakah ada ketidaksamaan varians dalam fungsi regresi. Data yang baik adalah data yang homokedastisitas atau data yang memiliki kesamaan varians dalam fungsi regresi. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar dan menyempit) maka dapat
108 dikatakan telah terjadi heteroskedastisitas. Namun, jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berikut ini adalah hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot.
Gambar 4.3
Hasil Uji Heteroskedastisitas
Sumber: Output data sekunder diolah dengan SPSS 25
Berdasarkan gambar 4.3 uji heteroskedastisitas dengan menggunakan grafik scatterplot terlihat bahwa titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa pada tidak terjadi heteroskedastisitas dalam fungsi regresi penelitian, sehingga model ini layak dipakai untuk memprediksi variabel Nilai Perusahaan berdasarkan variabel Inflasi, Tax Avoidance, Financial Risk, dan
109 Profitabilitas. Untuk membuktikan dan meyakinkan bahwa benar tidak terjadi masalah heteroskedastisitas maka peneliti melakukan uji Glejser.
Berikut adalah tabel hasil uji Glejser.
Tabel 4.6
a. Dependent Variable: ABRESID
Sumber: Output data sekunder diolah dengan SPSS 25
Berdasarkan tabel 4.6 uji Glejser menunjukkan bahwa nilai signifikasi dari setiap variabel independen lebih besar dari 0,05 atau di atas 5%. Artinya model persamaan substruktur 1 benar bebas dari masalah heteroskedastisitas.
3. Uji Hipotesis
Uji hipotesis dalam penelitian ini dilakukan untuk membuktikan kebenaran atas hipotesis yang telah dibuat, bahwa variabel Inflasi, Tax Avoidance, Financial Risk, dan Profitabilitas mempunyai pengaruh terhadap nilai perusahaan, dan bahwa variabel kebijakan dividen memiliki pengaruh
110 moderasi terhadap interaksi antara variabel independen dengan variabel dependen. Uji hipotesis dalam penelitian ini menggunakan analisis regresi berganda dan Moderated Regression Analysis.
a. Hasil Analisis Regresi Berganda