70
4.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi suatu ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Dalam penelitian
ini, peneliti menggunakan Scatterplot untuk menguji heteroskedastisitas. Jika tidak ada bentuk pola yang jelas, serta titik-titik menyebar diatas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas Sebelum
Moderating
Sumber: Output SPSS 19.0, diolah peneliti, 2015
Hasil uji heteroskedastisitas berdasarkan grafik Scatterplot sebelum moderating
pada gambar 4.5, dapat dilihat bahwa terdapat titik-titik yang menyebar atau acak di atas dan di bawah angka 0 pada sumbu Y dan
Universitas Sumatera Utara
71
menunjukkan pola yang tidak jelas, hal ini menunjukkan bahwa model regresi tidak terjadi heteroskedastisitas.
Gambar 4.6 Uji Heteroskedastisitas Setelah
Moderating
Sumber: Output SPSS 19.0, diolah peneliti, 2015
Hasil uji heteroskedastisitas berdasarkan grafik Scatterplot setelah moderating
pada gambar 4.6, dapat dilihat bahwa terdapat titik-titik yang menyebar atau acak di atas dan di bawah angka 0 pada sumbu Y dan
menunjukkan pola yang tidak jelas, hal ini menunjukkan bahwa model regresi tidak terjadi heteroskedastisitas.
Apabila terjadi heteroskedastisitas, maka hasil dari grafik akan menunjukkan pola tertentu, seperti titik-titik yang membentuk suatu pola
tertentu yang teratur bergelombang, melebar, kemudian menyempit.
Universitas Sumatera Utara
72
Dengan demikian dapat disimpulkan bahwa tidak terdapat heteroskedastisitas pada model regresi baik sebelum dan setelah
moderating, sehingga model regresi layak dipakai.
4.3.4 Uji Autokolerasi
Uji autokolerasi bertujuan untuk menguji apakah dalam model regresi linear terdapat kolerasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Autokolerasi timbul karena residual tidak bebas dari observasi ke observasi lainnya.
Model regresi yang baik adalah yang bebas dari terjadinya autokolerasi. Dalam penelitian ini, peneliti menggunakan uji Runs Test.
Tabel 4.6 Uji Autokolerasi Sebelum
Moderating
Runs Test
Unstandardized Residual Test Value
a
-.06326 Cases Test Value
28 Cases = Test Value
29 Total Cases
57 Number of Runs
35 Z
1.473 Asymp. Sig. 2-tailed
.141 a. Median
Sumber: Output SPSS 19.0, diolah peneliti, 2015
Hasil uji autokolerasi berdasarkan tabel 4.6 sebelum moderating, menunjukkan bahwa signifikansi variabel pertumbuhan laba Asymp.Sig.
2-tailed lebih besar dari 0.05 yaitu 0.141 yang berarti data yang digunakan cukup random residual random atau tidak terjadinya
autokolerasi antar nilai residual.
Universitas Sumatera Utara
73
Tabel 4.7 Uji Autokolerasi Setelah
Moderating
Runs Test
Unstandardized Residual Test Value
a
-.06757 Cases Test Value
28 Cases = Test Value
29 Total Cases
57 Number of Runs
29 Z
-.131 Asymp. Sig. 2-tailed
.895 a. Median
Sumber: Output SPSS 19.0, diolah peneliti, 2015
Hasil dari uji autokolerasi setelah moderating yang terdapat pada tabel 4.7, dapat dilihat bahwa signifikansi variabel pertumbuhan laba
Asymp.Sig. 2-tailed lebih besar dari 0.05 yaitu 0.895 yang berarti data yang digunakan cukup random residual random atau tidak terjadinya
autokolerasi antar nilai residual.
4.4 Analisis Regresi Berganda
Kategori