63
Pada pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti ular
dari garis diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika titik-titik menyebar sangat dekat pada garis diagonal, maka
asumsi normalitas dipenuhi. Perhatikan bahwa pada normal probability plotGambar 4.2,
titik-titik menyebar cukup dekat pada garis diagonal, maka disimpulkan bahwa asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen.Untuk
mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai VIF Variable Inflation Factor dan nilai tolerance.Jika nilai VIF 10 dan
nilai tolerance 0,01 maka dapat disimpulkan tidak terjadi multikolinearitas. Pengujian multikolinearitas dapat dilihat pada tabel 4.3
berikut:
64
Tabel 4.4 Uji Multikolinearitas
Sumber : Output SPSS, diolah peneliti, 2015
Perhatikan bahwa berdasarkan Tabel 4.4, nilai VIF dari variabel Profitabilitas adalah 1,097, nilai VIF dari variabel Ukuran Perusahaan
adalah 1,136, nilai VIF dari variabel Struktur Aset adalah 1,183, nilai VIF dari Risiko Bisnis adalah1,167, nilai VIF dari Pertumbuhan Aset
adalah1,159, dan nilai VIF dari Likuiditas adalah1,021.Karena masing- masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala
multikolinearitas yang berat.
4.2.2.3 Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya.Model regresi yang baik adalah yang bebas dari autokorelasi.Cara yang paling sering digunakan untuk mendeteksi ada
65
atau tidaknya autokorelasi adalah dengan uji Durbin Watson DW.Menurut metode durbin Watson, asumsi diterima tidak terdapat
autokorelasi jika du d 4-du Ghozali, 2006:100. Hasil pengujian autokorelasi dapat dilihat pada tabel 4.4 sebagai berikut :
Tabel 4.5 Uji Autokorelasi
Sumber :Output SPSS, diolah peneliti, 2015
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 1,592. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di
antara -2 dan +2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual
4.2.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari
residual suatu pengamatan ke pengamatan lain. Uji heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi
ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lainnya.Metode yang digunakan untuk menguji ada atau tidaknya
66
heteroskedastisitas adalah dengan melihat grafik plot antara nilai variabel dependen ZPRED dengan nilai residual SRESID.Berikut ini
dilampirkan grafik scatterplot untuk menganalisis apakat terdapat gejala heterokedastisitas dengan melihat titik-titik penyebaran pada grafik.
Sumber : output SPSS, diolah peneliti, 2015
Gambar 4.3 Uji Heteroskedastisitas
Berdasarkan gambar 4.3 diatas, dapat disimpulkan bahwa model regresi dalam penelitian ini tidak terjadi heteroskedastisitas karena pada
grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun dibawah
angka 0 pada sumbu Y.
4.2.3 Pengujian Hipotesis