Berdasarkan gambar di atas dapat disimpulkan bahwa data dalam penelitian ini memenuhi syarat normal probability plot sehingga
model regresi dalam penelitian memenuhi asumsi normalitas berditribusi normal.
4.4.2.2 Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Karenamodel regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Uji multikolinieritas dilakukan dengan
melihat tolerance value atau dengan menggunakan Variance Inflation Factors VIF dari hasil analisis dengan menggunakan SPSS.
Jika terdapat Multikolinieritas maka koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar. Pada penelitian
ini digunakan nilai tolerance dan VIF Variance Inflation Factor. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa tidak
terdapat multikolinearitas pada penelitian tersebut begitu pula sebaliknya. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.8
berikut ini.
Universitas Sumatera Utara
Tabel 4.8
Sumber : data diolah peneliti, 2014 Dari tabel di atas, dapat diketahui bahwa nilai tolerance variabel
independen ukuran dewan komisaris X
1
= 0.434 0.10, frekuensi rapat X
2
= 0.259 0.10 dan ukuran komite audit X
3
0.356 0.10 dan begitu juga dengan nilai VIF dari X
1
, X
2
dan X
3
10. Sehingga dapat disimpulkan bahwa dalam regresi antara variabel bebas X
1
, X
2
dan X
3
tidak terjadi multikolinieritas antar variabel bebas.
4.4.2.3 Uji Heteroskedastisitas
Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas, akan tetapi pada penelitian ini dilakukan uji
heteroskedastisitas dengan cara melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SPRED. Deteksi ada
tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPREAD dimana sumbu X
1
ukuran dewan komisaris, X
2
frekuensi rapat, X
3
ukuran komite audit dan kinerja perusahaan Y yang telah diprediksi dan sumbu Y adalah residual Y prediksi-Y sesungguhnya
yang telah di studentized. Ghozali, 2012:38
Coefficients
a
1.214 .785
1.547 .135
-.265 .115
-.365 -2.298
.031 .434
2.302 .333
.183 .374
1.822 .081
.259 3.858
.658 .154
.752 4.286
.000 .356
2.813 Constant
X1 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
Universitas Sumatera Utara
Dasar analisisnya adalah jika ada pola tertentu yang teratur seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur
bergelombang, melebar, kemudian menyempit, maka telah terjadi Heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 data diolah
Gambar 4.3 : Normal Scatterplot Dari grafik Scatterplot penelitian ini terlihat titik-titik menyebar
secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, hal ini menunjukkan tidak terjadi heteroskedastisitas pada
model regresi, sehingga model regresi layak dipakai untuk memprediksi X
1
ukuran dewan komisaris, X
2
frekuensi rapat, X
3
ukuran komite audit berdasarkan masukan variabel independennya tabungan dana
pihak ketiga Y.
Regression Studentized Residual 3
2 1
-1 -2
-3 Regressi
on S
tandardi zed P
redict ed
Val ue
3 2
1 -1
-2
Universitas Sumatera Utara
4.4.2.4 Uji Autokorelasi
