HASIL OLAH DATA

1. Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 66

Normal Parametersa,b Mean ,0000000

Std. Deviation ,03798500

Most Extreme Differences Absolute ,098

Positive ,094

Negative -,098

Test Statistic ,098

Asymp. Sig. (2-tailed) ,186c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

Interpretasi : hasil uji kolmogorov smirnov didapatkan p=0,186 (p>0,05),

artinya sebaran data normal.
2. Uji Multikolinearitas

Coefficientsa

Collinearity Statistics

Model Tolerance VIF

1 (Constant)

cir ,708 1,412

size ,985 1,015

lev ,716 1,396

a. Dependent Variable: etr

Untuk mendeteksi apakah model regresi linier mengalami multikolinearitas dapat

diperiksa menggunakan Variance Inflation Factor (VIF) untuk masing-masing
Variabel Independen, yaitu jika suatu Variabel Independen mempunyai nilai VIF > 10
berarti telah terjadi multikolinearitas.

Pada bagian Coefficients, diketahui bahwa nilai VIF dari masing-masing variabel
independen lebih kecil dari pada 10. Dengan demikian dapat disimpulkan bahwa di
antara variabel independen tersebut tidak ada korelasi atau tidak terjadi
Multikolinearitas pada model regresi linier.
3. Uji Heteroskedastisitas

- Scatter Plot

Interpretasi :

Dari Grafik Scatter, jelas bahwa tidak ada pola tertentu karena titik menyebar tidak
beraturan di atas dan di bawah sumbu 0 pada sumbu Y. Maka dapat disimpulkan
tidak terdapat heteroskedastisitas.
 - Glejser

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) ,099 ,058 1,694 ,095

cir ,009 ,022 ,062 ,427 ,671

size -,003 ,002 -,174 -1,419 ,161

lev ,008 ,007 ,179 1,245 ,218

a. Dependent Variable: absres

Perhatikan nilai masing2 variabel independen terhadap nilai absolut residual.

Dikatakan tidak terdapat heteroskedastisitas jika nilai signifikansi semuanya diatas
0,05.

Kesimpulan : tidak terdapat heteroskedastisitas pada model regresi.

4. Uji Autokorelasi

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 ,522a ,272 ,237 ,03889 1,902

a. Predictors: (Constant), lev, size, cir

b. Dependent Variable: etr

Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW), dimana
kriterianya adalah sebagai berikut:

Deteksi Autokorelasi Positif:

 Jika dW < dL maka terdapat autokorelasi positif,
 Jika dL < dW < dU maka pengujian tidak dapat disimpulkan.
 Jika dW > dU maka tidak terdapat autokorelasi positif,

Deteksi Autokorelasi Negatif:

 Jika (4 – d) < dL maka terdapat autokorelasi negatif,
 Jika dL < (4 – d) < dU maka pengujian tidak dapat disimpulkan.
 Jika (4 – d) > dU maka tidak terdapat autokorelasi negatif,

Nilai dL dan dU dapat dilihat pada tabel Durbin Waston, dimana dari tabel Durbin
Waston didapat dL = 1,507 dan DU = 1,697

Dari tabel Model Summary didapatkan nilai Durbin Watson sebesar 1,902 dan nilai
tersebut terletak antara dU dan (4-DU) atau 1,697 < 1,902 < 2,303 maka dapat
disimpulkan bahwa dalam regresi linier ini tidak terdapat Autokorelasi positif
maupun autokorelasi negatif atau dapat disimpulkan bahwa model regresi ini
bebas dari autokorelasi.
5. Uji Descriptive Statistic

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

etr 66 ,13 ,36 ,2566 ,04453

cir 66 ,06 ,78 ,3574 ,16481

size 66 26,43 32,20 28,8890 1,53315

lev 66 ,16 3,21 ,8966 ,52837

Valid N (listwise) 66
6. Uji Parsial (Uji T)

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -,174 ,094 -1,854 ,068

cir ,020 ,035 ,075 ,583 ,562

size ,014 ,003 ,488 4,466 ,000

lev ,016 ,011 ,184 1,440 ,155

a. Dependent Variable: etr

Perhatikan nilai Sig hasil uji T pada tabel Coefficients diatas, didapatkan :

1. CIR didapatkan p = 0,562 (p > 0,05) artinya secara partial tidak berpengaruh
terhadap ETR

2. Size didapatkan p = 0,000 (p < 0,05) artinya secara partial berpengaruh

terhadap ETR

3. Lev didapatkan p = 0,155 (p > 0,05) artinya secara partial tidak berpengaruh
terhadap ETR
7. Uji F

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,035 3 ,012 7,729 ,000b

Residual ,094 62 ,002

Total ,129 65

a. Dependent Variable: etr

b. Predictors: (Constant), lev, size, cir

Perhatikan nilai Signifikansi pada kolom sig.

Didapatkan nilai sig = 0,000 (p < 0,05) artinya semua variable independen secara
simultan memiliki pengaruh yang signifikan terhadap variabel ETR

8. Koefisien Determinasi (R Square)

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 ,522a ,272 ,237 ,03889 1,902

a. Predictors: (Constant), lev, size, cir

b. Dependent Variable: etr

Didapatkan nilai R Square = 0,272 = 27,2%

Artinya bahwa variabel independen yg diteliti memiliki pengaruh kontribusi sebesar

27,2% terhadap variabel ETR, sedangkan 72,8% lainnya dipengaruhi oleh faktor-
faktor lain diluar variabel yg diteliti.