5. Heterokedastisitas
Gambar 4.6 Output Heterokedastisitas SPSS For Windows Versi 15.0
Setelah Data Ditransformasi
Gambar 4.6 menjelaskan bahwa data yang digunakan cenderung mendekati keadaan homokedastisitas. Karena data tidak terlihat menumpuk di
satu daerah ataupun tersebar rata di sekitar angka 0. Dengan kata lain secara subjektif dapat dikatakan data bebas dari masalah heterokedastisitas.
Tabel 4.12 Output Heterokedastisitas Uji Park SPSS For Windows Versi 15.0
Setelah Data Ditransformasi
3 2
1 -1
-2
Regression Standardized Predicted Value
2 1
-1 -2
-3
Regression Studentized Deleted
Press Residual
SMSM SMSM
SMSM SMSM
NIPS NIPS
NIPS NIPS
LPIN LPIN
LPIN LPIN
GJTL GJTL
GJTL GJTL
GDYR GDYR
GDYR GDYR
BRAM BRAM
BRAM BRAM
AUTO AUTO
AUTO AUTO
ASII ASII
ASII ASII
Dependent Variable: ln_roe Scatterplot
Coefficients
a
-3.782 .001
-1.017 .318
.960 .345
Constant ln_ln_der
ln_ln_tie Model
1 t
Sig.
Dependent Variable: ln_res2_kuadrat a.
Universitas Sumatera Utara
Tabel 4.12 menunjukkan hasil pengujian dengan metode Park juga lebih meyakinkan bahwa data bebas dari masalah heterokedastisitas. Hal
tersebut ditunjukkan dengan nilai β intercept variabel-variabel bebas yang
tidak signifikan pada alpha 5. Nilai sig. variabel-variabel bebas lebih besar dari 0,05.
E. Analisis Stastistik
Pengujian-pengujian yang telah dilakukan di atas memberikan hasil bahwa data yang digunakan sudah terbebas dari masalah asumsi klasik.
Langkah selanjutnya adalah interpretasi data dari hasil uji F, uji t dan koefisien
determinasi. 1.
Uji F-Statistik
Tabel 4.13 Output Uji nilai F SPSS For Windows Versi 15.0
Setelah Data Ditransformasi
Tabel 4.13 memperlihatkan bahwa untuk nilai signifikansi F sebesar 0,003. Nilai ini lebih kecil dari level pengujian 5. Sehingga dapat dikatakan
bahwa variabel bebas secara serempak berpengaruh terhadap variabel bebas. Kesimpulannya H
ditolak dan H
1
diterima atau variabel-variabel yang digunakan dalam penelitian setelah data ditransformasi DER TIE memiliki
pengaruh secara serempak terhadap variabel terikat.
ANOVA
b
5.535 2
2.768 7.321
.003
a
10.962 29
.378 16.497
31 Regression
Residual Total
Model 1
Sum of Squares
df Mean Square
F Sig.
Predictors: Constant, ln_tie, ln_der a.
Dependent Variable: ln_roe b.
Universitas Sumatera Utara