51
Berdasarkan gambar 4.3 terlihat bahwa grafik histogram pola distribusi tidak melenceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi
normal
Gambar 4.4 Normal P-P Plot of Regression Standardized Residual
Sumber : lampiran 2
Berdasarkan gambar 4.4 pada grafik normal probability plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh
dari garis diagonal. Hal ini menunjukkan bahwa data telah terdistribusi normal.
b. Uji autokorelasi
Autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Hasil pengujian autokorelasi dapat dilihat
dibawah ini:
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Dependent Variable: Net Profit Margin
52
a ROA Hasil autokorelasi terhadap ROA akan disajikan pada tabel berikut ini:
Tabel 4.3 Model Summary
b
Sumber : lampiran 3
Berdasarkan tabel 4.3 dapat dilihat bahwa nilai Durbin Watson sebesar 1,767. Cara menguji autokorelasi adalah dengan melihat apabila nilai Durbin
Watson terletak antara -2 sampai +2, maka tidak terjadi autokorelasi. Dari output tersebut diperoleh nilai Durbin Watson 1,767 maka data tersebut tidak
terjadi autokorelasi. b NPM
Hasil autokorelasi terhadap NPM akan disajikan pada tabel berikut ini:
Tabel 4.4
Sumber : lampiran 3
Model Summary
b
,640
a
,502 ,028
11562,23506 1,234
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Corporate Social Responsibility a.
Dependent Variable: Net Profit Margin b.
Model Summary
b
,522
a
,272 ,251
5090,03353 1,767
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Corporate Social Responsi bility a.
Dependent Vari able: Return On Assets b.
53
Berdasarkan tabel 4.4 dapat dilihat bahwa nilai Durbin Watson sebesar 1,234. Cara menguji autokorelasi adalah dengan melihat apabila nilai Durbin Watson
terletak antara -2 sampai +2, maka tidak terjadi autokorelasi. Dari output tersebut diperoleh nilai Durbin Watson 1,234 maka data tersebut tidak terjadi utokorelasi.
c. Uji Heterokedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data
dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2 jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati
penyebaran titik-titik pada gambar berikut
1 ROA
Gambar 4.5
Regression Standardized Predicted Value
2 1
-1
Ret urn
On Asset
s
25000.00 20000.00
15000.00 10000.00
5000.00 0.00
Scatterplot Dependent Variable: Return On Assets
Sumber : lampiran 3
54
Dari gambar 4.5 scatterplot pada ROA terlihat bahwa titik-titik tidak menyebar secara acak dan membentuk suatu pola tertentu serta tidak tersebar merata baik di
atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa terjadi heteroskedastisita.
2. NPM
Gambar 4.6
Sumber : lampiran 3
Dari gambar 4.6 scatterplot NPM terlihat bahwa titik-titik tidak menyebar secara acak dan membentuk suatu pola tertentu serta tidak tersebar merata baik di atas
maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa terjadi heteroskedastisitas
3. Uji Hipotesis a.