Pada tampilan grafik histogram di atas terlihat bahwa grafik memberikan pola distribusi normal.Hal ini di tunjukkan oleh kurva yang
memiliki kemiringan yang seimbang, baik sisi kanan maupun kiri.
Gambar 4.2 Grafik Normal P-P Plot Regression Standardized Residual
Pada scatter plot di atas terlihat titik yang mengikuti data di sepanjang garis diagonal.Hasil tersebut menunjukkan bahwa residual
telah terdistribusi secara normal.
4.2.2.2. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya.Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2011.
Penelitian ini menguji autokorelasi dengan uji Durbin – Watson DW test. Uji Durbin – Watson digunakan untuk autokorelasi tingkat
satu dan adanya incept konstanta dalam model regresi dan tidak ada
Universitas Sumatera Utara
variabel lag di antara variabel independen. Hasil dari pengujian normalitas data dari penelitian ini dapat dilihat dalam Tabel 4.3 berikut
ini :
Tabel 4.3 Tabel Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.719
a
.517 .477
.04676 2.004
a. Predictors: Constant, LEV, STA, PDKI, ARDK, KESAPU, UDEDIR b. Dependent Variable: KK
Sumber: Data sekunder diolah, 2014 Setelah mengetahui hasil pengujian Durbin-Watson di atas adalah
2.004. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Dinyakan tidak autokorelasi positif maupun negatif jika du
dw 4 – du. Untuk memutuskan keputusan adanya autokorelasi atau tidak pada penelitian ini, maka perhitungannya dapat dilihat pada tabel
4.4 berikut ini :
Tabel 4.4 Tabel Perhitungan Durbin-Watson
AUTOKORELASI DURBIN
WATSON DL
DU DW
4 ‐DU
4 ‐DL
1.480 1.800
2.004 2.200
2.520 6
variabel 80
sampel
Sumber: Data sekunder diolah, 2014
Universitas Sumatera Utara
Dari hasil perhitungan Durbin-Watson di atas didapatkan hasil 1.800 2.004 2.200, atau dapat disimpulkan bahwa penelitian regresi ini
terbebas dari autokorelasi, du dw 4 – du.
4.2.2.3. Uji Heteroskedastisitas
Menurut Ghozali 2011 berpendapat bahwa uji heteroskedastisitas bertujuan untuk mengetahui dan menguji apakah
dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Berikut hasil uji
Heterokedastisitas dengan melihat grafik plot antara variabel terikat dependen yaitu ZPRED dengan residualnya SRESID yang dilakukan
dengan SPSS 21
Gambar 4.3 Gambar Grafik Plot Scatterplot
Sumber: Data sekunder diolah, 2014
Universitas Sumatera Utara
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka 0 pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak untuk memprediksi kinerja
keuangan berdasarkan masukkan variabel independen kepemilikan saham publik, ukuran dewan direksi, proporsi dewan komisaris, aktivitas
rapat dewan komisaris, ukuran perusahaan dan leverage.
4.2.2.4. Uji Multikolinieritas