Berdasarkan uji normalitas yang sudah dilakukan, peneliti menyimpulkan bahwa data yang digunakan peneliti pada penelitian ini sudah memenuhi
persyaratan berdasarkan pengujian normalitas data. Dengan demikian pengujian asumsi klasik selanjutnya dapat dilakukan.
4.1.2 Uji Multikolinieritas
Pengujian Multikolinieritas sebagai bagian dari pengujian asumsi klasik adalah juga untuk melihat apakah data yang digunakan adalah data yang baik.
Data yang baik seharusnya tidak ditemukan korelasi antar variabel atau korelasi antar variabel tidak terjadi. Dalam uji ini ada atau tidak nya korelasi antar varibel
dapat dilihat dari nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum digunakan untuk mendeteksi adanya multikolinieritas
adalah tolerance 0,10 atau sama dengan nilai VIF 10. Jika nilai tolerance 0,10 atau nilai VIF 10 maka mengindikasikan terjadi multikolinieritas.
Tabel 4.2 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant -,323
1,529 -,211
,834 LDR
,268 ,977
,036 ,275
,785 ,961
1,041 CAR
-8,544 3,670
-,395 -2,328 ,024
,569 1,759
DER -,172
,060 -,506 -2,881
,006 ,531
1,883 OCR
4,540 1,511
,402 3,005
,004 ,915
1,093 a. Dependent Variable: P.Laba
Sumber : Hasil olah data statistik oleh peneliti, 2012
Universitas Sumatera Utara
Berdasarkan tabel diatas terlihat bahwa semua data variabel tidak terkena multikolinearitas. Dengan demikian peneliti simpulkan bahwa data yang yang
digunakan menurut uji multikolinearitas adalah data yang baik.
4.1.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk melihat apakah di dalam model regresi yang digunakan terdapat ketidaksamaan varians dari residual satu
pengamatan kepengamatan yang lainnya. Jika varians dari satu residual pengamatan yang satu dengan pengamatan yang lain adalah berbeda maka dapat
dikatakan bahwa model regresi mengalami heteroskedastisitas. Salah satu cara untuk melihat apakah dalam suatu model regresi terjadi heteroskedastisitas adalah
dengan memakai grafik scatterplot. Dengan melihat persebaran titik-titik dalam grafik scatterplot kita dapat menentukan apakah terjadi heteroskedastisitas atau
tidak. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain : jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
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.
Universitas Sumatera Utara
Gambar 4.3 Uji Normalitas dengan Scatterplot
Sumber : Hasil olah data statistik oleh peneliti, 2012 Dengan melihat grafik scatterplot diatas dapat kita lihat bahwa titik-
titiknya tidak membentuk suatu pola tertentu serta titik-titik menyebar di atas dan di bawah angka 0 baik pada sumbu Y maupun sumbu X, memperlihatkan bahwa
model regresi yang digunakan pada penelitian ini adalah homoskedastisitas. Dengan demikian data yang peneliti gunakan telah memenuhi syarat uji asumsi
klasik karena terbebas dari kasus heteroskedastisitas.
4.1.4 Uji Autokorelasi
