di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Hasil uji Kolmogorov-Smirnov pada tabel 4.3. pada penelitian ini menujukkan
probabilitas = 0,971. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,971
0,05 H
2. Hasil Uji Heteroskedastisitas
diterima.
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas.
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data
crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang,dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis
adalah : H
H : tidak ada heteroskedastisitas,
a
Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H
: ada heteroskedastisitas.
diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .546
.845 .646
.524 lN_EPS
-.052 .086
-.153 -.607
.549 lN_DER
.041 .097
.090 .424
.675 lN_PER
.059 .161
.088 .367
.717 lN_ROE
.209 .214
.239 .974
.339 a. Dependent Variable: ABSUT
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel LN EPS adalah
0,549 0.05, nilai signifikansi untuk variabel LN DER adalah 0,675 0.05, nilai signifikan untuk variabel PER adalah 0.717 0.05 dan nilai signifikan
untuk variabel ROE adalah 0.339 0.05Dari hasil ini maka dapat disimpulkan
bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi