Analisis Hasil Penelitian
4.2 Pengujian Asumsi Klasik .1Uji Normalitas .1Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah variabel independen maupun variabel dependen terdistribusi secara normal atau tidak. Pertama sekali,
4. BIPP Bhuawanatala Indah Permai Tbk
5. BKDP Bukit Darmo Property Tbk
6. COWL Cowell Development Tbk
7. CTRA Ciputra Development Tbk
8. CTRP Ciputra Property Tbk
9. DUTI Duta Pertiwi Tbk
10. ELTY Bakrieland Development Tbk
11. GMTD Goa Makssar Tourism Development Tbk
12. KPIG Global Land and Development Tbk
13. LPCK Lippo Cikarang Tbk
14. LPKR Lippo Karawaci Tbk
15. OMRE Indonesia Prima Property Tbk
16. PLIN Plaza Indonesia Realty Tbk
data di dalam penelitian harus memenuhi asumsi kenormalan data. Data penelitian yang baik adalah data yang memenuhi asumsi kenormalan data. Untuk melihat apakah data normal atau tidak dari grafik histogram dan norma l proba bility plot. Data yang normal akan membentuk atau mengikuti garis diagonal pada norma l probability plot. Data yang normal juga akan terlihat dari grafik histogram yang seimbang, tidak condong ke kiri maupun ke kanan. Data yang tidak normal tidak akan mengikuti garis diagonal pada norma l proba bility plot dan memiliki grafik histogram yang tidak seimbang. Berikut ini ditampilkan grafik histogram dan norma l proba bility plot dari variabel penelitian.
Gambar 4.1
Histogram Variabel Dependen DER Perusahaan Property dan Real Estate (2011-2013) - Normal
Dari Gambar 4.1 di atas terlihat bahwa Histogram dari penelitian terdistribusi normal karena grafiknya seimbang, tidak condong ke kiri maupun ke
kanan. Hal yang sama juga terjadi dengan norma l proba bility plot pada Gambar 4.2 di bawah yang terlihat telah mengikuti garis diagonal dengan teratur, sehingga dapat disimpulkan maka data penelitian sudah memenuhi asumsi normalitas.
Gambar 4.2
Normal P-Plot of Regresion Standarized Residual – Normal
Peneliti membuat uji Kolmogorov-Smirnov yang membuktikan kenormalan suatu data penelitian dengan angka. Dengan menggunakan uji Kolmogorov-Smirnov, suatu data dikatakan normal apabila nilai Asymp. Sig. (2-ta iled) > 0,05 dan apabila nilai Asymp. Sig. (2-(2-ta iled) < 0,05 maka da(2-ta tidak terdistribusi normal. Berikut hasil pengujian dengan uji Kolmogorov-Smirnov.
Tabel 4.2
Uji Kolmogorov-Smirnov
Dari Tabel Kolmogorov-Smirnov di atas, nilai Asymp. Sig. (2-ta iled) nya sebesar 0,495 yang berarti > 0,05 sehingga dapat ditarik kesimpulan bahwa data sudah terdistribusi dengan normal.
4.2.2 Uji Multikolinearitas
Uji Multikolinearitas merupakan uji yang menentukan ada tidaknya hubungan linear antara variabel independen dengan variabel independen lainnya. Model regresi yang baik tidak boleh memiliki multikolinearitas di dalamnya. Untuk mendeteksi ada tidaknya multikolinearitas di dalam data penelitian dilihat dari nilai Va r ia nce Infla tion Fa ctor (VIF). Ketentuan dalan uji ini adalah jika nilai VIF < 10 maka tidak terjadi multikolinearitas, dan sebaliknya jika nilai VIF > 10
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 51
Normal Parametersa,b Mean ,0000000
Std. Deviation 57,46162729 Most Extreme Differences Absolute ,116 Positive ,116 Negative -,069 Kolmogorov-Smirnov Z ,831
Asymp. Sig. (2-tailed) ,495
a. Test distribution is Normal. b. Calculated from data.
maka terjadi multikolinearitas. Hasil uji multikolinearitas dalam penelitian ini dapat dilihat dalam tabel di bawah ini.
Tabel 4.3 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 68,267 13,993 4,879 ,000
FREECASHFLOW 8,480E-13 ,000 ,052 ,375 ,710 ,965 1,037
ROE 1,060 ,767 ,192 1,381 ,174 ,974 1,027
KEPMANAJERIAL -1,399 ,752 -,260 -1,860 ,069 ,968 1,033
a. Dependent Variable: DER
Dari Tabel 4.3 di atas, maka dapat diperoleh nilai VIF dari masing-masing variabel independen untuk variabel Free Ca sh Flow sebesar 1,037, Return On Equity (ROE) sebesar 1,027, dan Kepemilikan Manajerial sebesar 1,033. Sehingga dapat disimpulkan tidak terjadi Multikolinearitas di dalam penelitian karena setiap variabel independen nilai VIF < 10.
4.2.3 Uji Heteroskedastisitas
Uji asumsi heteroskedastisitas ini dimaksudkan untuk mengetahui apakah variasi residual absolut sama atau tidak sama untuk semua pengamatan atau dengan kata lain uji ini dilakukan untuk mengetahui apakah variabel pengganggu di dalam penelitian mempunyai varian yang sama atau tidak.
Kriteria yang terdapat dalam uji heteroskedastisitas dapat dilihat dalam Sca tterplot hasil SPSS. Apabila titik-titik di Sca tterplot menyebar di atas, di bawah, dan di sekitaran angka nol, maka tidak terjadi heteroskedastisitas, dan apabila titik-titik di Sca tterplot membentuk pola tertentu, tidak menyebar di atas, di bawah, dan di sekitaran angka nol, maka terjadi heteroskedastisitas atau dengan kata lain homoskedastisitas. Berikut hasil Sca tterplot dari penelitian ini.
Gambar 4.3
Scatterplot Uji Heteroskedastisitas
Dari Gambar 4.5 di atas, terlihat bahwa titik-titik menyebar di atas, di bawah, dan di sekitaran angka nol sehingga dapat ditarik kesimpulan bahwa data penelitian tidak mengandung heteroskedastisitas.
Uji Autokorelasi merupakan uji untuk menentukan apakah terdapat autokorelasi di dalam data penelitian. Data penelitian yang baik tidak memiliki autokorelasi di dalamnya. Dalam penelitian ini uji autokorelasi menggunakan uji Durbin-Wa tson. Ketentuan nilai Durbin-Wa tson (DW) adalah bila DU < DW < 4-(DU) maka tidak terjadi autokorelasi. Bila nilai DW < DL maka terjadi autokorelasi positif. Bila nilai DW > 4(DU) maka terjadi autokorelasi negatif. Bila DW terletak di antara DU dan DL maka hasilnya tidak dapat disimpulkan. Berikut hasil hasil SPSS yang menunjukkan apakah data terkena autokorelasi atau tidak.
Tabel 4.4
Uji Autokorelasi – Autokorelasi Positif
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin - Wa tson sebesar 1,974. Nilai ini akan dibandingkan dengan nilai tabel Durbin - Wa tson dengan nilai signifikansi 5%, jumlah sampel adalah 51, jumlah variabel independen adalah 3 (k = 3), maka dalam tabel nilai Durbin – Wa tson akan
Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson d i m e n s i o n 0 1 ,335a ,112 ,055 59,26714 1,974
a. Predictors: (Constant), KEPMANAJERIAL, ROE, FREECASHFLOW b. Dependent Variable: DER
diperoleh nilai dl = 1,4273 dan nilai du = 1,6754. Nilai DW sebesar 1,974 lebih besar dari nilai DL (DW > DL). Dimana ditarik kesimpulan berdasarkan ketentuan uji Durbin – Wa tson du < DW < dl. Sehingga tidak terdapat autokorelasi dalam penelitian ini.