Gambar 4.4 Grafik Normal P-P Plot 2
Grafik Normal P-P Plot Setelah Data Ditransformasi
Sumber: Data yang diolah penulis, 2009
2. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot antara
SRESID dan ZPRED yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 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
2 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot
berikut ini:
Gambar 4.5 Hasil Uji Heteroskedastisitas
Sumber: Data yang diolah penulis, 2009
Dari gambar scatterplot di atas, dapat dilihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak
teratur, serta titik-titik menyebar di atas dan di bawah angka 0 pada
Universitas Sumatera Utara
sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi.
3. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu
pada data yang tersusun, baik berupa data cross sectional danatau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien
korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW.
Dalam model regresi tidak terjadi autokorelasi apabila nilai duw4-du. Tabel 4.10 menyajikan hasil uji Durbin Watson dengan menggunakan
SPSS versi 16.
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .380
a
.144 .136
1.24768 2.022
a. Predictors: Constant, LN_ATO b. Dependent Variable: LN_ROA
Sumber: Data yang diolah penulis, 2009
Universitas Sumatera Utara
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson Dw sebesar 2,022, nilai ini akan kita bandingkan dengan nilai
tabel dengan menggunakan signifikansi 5, jumlah sampel n = 132, dan jumlah variabel independen k = 1, maka berdasarkan tabel Durbin
Watson didapat nilai batas atas du sebesar 1,676 dan nilai batas bawah dl sebesar 1,629. Oleh karena itu, nilai Dw lebih besar dari 1,676 dan
lebih kecil dari 4 – 1,676 atau dapat dinyatakan bahwa 1,676 2,022 4 – 1,676 du d 4 – du. Dengan demikian dapat disimpulkan tidak
terdapat autokorelasi baik positif maupun negatif.
D. Analisis Regresi
Kategori