pengamatan lainnya Ghozali, 2006 : 111. Model regresi yang baik adalah model regresi yang tidak terjadi perbedaan variance residual suatu periode pengamatan
keperiode pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan
dengan melihat grafik scatterplot untuk melihat hubungan antara nilai yang diprediksi dengan studentized Delete Residual nilai tersebut. Dalam Lubisdkk,
2007:34 cara memprediksi heteroskedastistitas adalah jika gambar scatterplot model tersebut adalah :
1. Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0. 2. Titik-titik data tidak mengumpul hanya diatas atau dibawah data.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola.
3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Analisis Regresi Linier Berganda
Analisis regresi berganda digunakan untuk meramalkan bagaimana keadaan naik turunnya variabel dependen, jika dua atau lebih variabel
independen sebagai faktor prediktor dimanipulasi dinaikan turunkan nilainya Sugiyono, 2007.Formulasi untuk persamaan regresi linear berganda Gujarati
dalam Ghozali 2006 : 96 adalah sebagai berikut : Y
= α
+ β
1
CR + β
2
DER + β
3
TATO+ e
Universitas Sumatera Utara
Ketarangan : Y
= Profit growth α
= Konstanta CR
= Current Ratio DER = Debt to Equity Ratio
TATO = Total Asset Turnover e
= Error
3.8.3.2 Uji Signifikansi Simultan Uji F
Uji signifikansi simultan Uji F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat Ghozali, 2006 : 84. Hasil pengaruh tersebut dilihat melalui hasil regresi dengan menggunakan SPSS p-value sig
yaitu jika nilai p-value sig lebih kecil dari nilai signifikan yang ditentukan yaitu 0,05 5 maka dapat dikatakan bahwa variabel independen secara bersama-
sama simultan berpengaruh signifikan terhadap variabel dependen. Selain itu pengujian uji signifikansi silmultan Uji F juga dapat dilihat melalui ketentuan
berikut ini : 1. Jika nilai F
hitung
nilai F
tabel
, maka terdapat pengaruh yang signifikan secara bersama-sama antara variabel independen terhadap variabel dependen.
2. Jika nilai F
hitung
≤ nilai F
tabel
, maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel independen terhadap variabel dependen.
Universitas Sumatera Utara
3.8.3.3 Uji Signifikansi Parameter Individual Uji T
Uji T bertujuan pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual menerangkan variasi variabel terikat
Ghozali, 2006 : 84. Pengujian parsial regresi dimaksudkan untuk mengetahui apakah variabel bebas secara individual mempunyai pengaruh terhadap variabel
terikat dengan asumsi variabel yang lain konstan. Hasil uji signifikansi parameter individual uji T dapat dilihat melalui uji regresi dengan menggunakan SPSS
yaitu apabila p-value sig lebih kecil dari nilai signifikansi yang ditentukan yaitu 0,05 5 maka dapat dikatakan bahwa variabel independen secara individual
parsial berpengaruh signifikan terhadap variabel dependen. Selain itu pengujian uji signifikansi parameter individual Uji T juga
dapat dilihat melalui ketentuan berikut ini : 1. Jika nilai T
hitung
nilai T
tabel
, maka terdapat pengaruh yang signifikan secara parsial antara variabel independen terhadap variabel dependen.
2. Jika nilai T
hitung
≤ nilai T
tabel
, maka tidak terdapat pengaruh yang signifikan secara parsial antara variabel independen terhadap variabel dependen.
3.8.3.4 Uji Koefisien Determinasi R
