Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik,
yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi
normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian
dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka
dapat dilakukan pengujian asumsi klasik lainnya.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Untuk melihat ada
atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari : 1.
nilai tolerance dan lawannya, 2. Variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama
dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai
Universitas Sumatera Utara
Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2005 : 91. Hasil dari uji multikolinieritas dapat dilihat pada tabel berikut ini :
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Ln_Current Ratio .647
1.546 Ln_Debt To Equity Ratio
.675 1.481
Ln_Total Assets Turnover .768
1.302 Ln_Inventory Turnover
.841 1.189
a. Dependent Variable: Ln_Pertumbuhan Laba
Sumber : Output SPSS, diolah Penulis, 2010 Berdasarkan tabel 4.4 dapat disimpulkan bahwa penelitian ini
bebas dari adanya multikolinieritas. Hal tersebut dapat dilihat dengan membandingkannya dengan nilai Tolerence atau VIF. Masing-masing
variabel independen yang digunakan dalam penelitian ini memiliki nilai Tolerence yang lebih besar dari 0,10. Jika dilihat dari VIF-nya, bahwa
masing-masing variabel bebas lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam variabel
bebasnya.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas
Universitas Sumatera Utara
dari autokorelasi. Dalam penelitian ini diharapkan tidak ada variabel indepen lainnya atau variabel pengganggu selain variabel independen yang
diteliti oleh peneliti yaitu current ratio, debt to equity ratio, total assets turnover dan inventory turnover yang mempengaruhi variabel dependen
yaitu variabel pertumbuhan laba Masalah autokorelasi umumnya terjadi pada regresi yang datanya time
series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin
Watson. Menurut Sunyoto 2009:91, untuk melihat ada tidaknya autokorelasi dilihat dari:
1. Angka D-W di bawah –2 berarti ada autokorelasi positif 2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
3. Angka D-W di atas +2 berarti ada autokorelasi negatif.