Gambar 4.2 Uji Normalitas 2 : Grafik PP Plots
Sumber: Diolah dengan SPSS, 2009 Gambar 4.1 memperlihatkan pola distribusi yang normal dan gambar
4.2 juga telah menunjukkan data terdistribusi normal melalui penyebaran titik-titik di sekitar garis diagonal dan mengikuti arah garis diagonal pada
normal probability plot.
b. Uji Multikolinearitas
Pada penelitian ini, untuk melihat ada tidaknya gejala multikolinearitas dilakukan peneliti dengan melihat besaran korelasi antar variabel independen
dan besarnya tingkat kolinearitas yang masih dapat ditolerir yaitu: tolerance 0,10 dan VIF Variance Inflation Factor 10. Uji multikolinearitas dengan
melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.3 berikut:
Universitas Sumatera Utara
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1 Constant
1.023 .737
1.387 .170 CAR
5.333 2.066
.310 2.582 .012 .971 1.029
LDR -.642
.808 -.095 -.794 .430
.971 1.029 a. Dependent Variable: ROA
Sumber: Diolah dengan SPSS, 2010
Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini terlihat dari perbandingan antara nilai tolerance dan
VIF yang dimiliki oleh masing-masing variabel independen. Angka tolerance untuk variabel NPF dan CAR lebih besar dari 0,10, yaitu masing-masing
senilai 0,971 dan memiliki nilai VIF yang tidak lebih besar dari 10, yaitu masing-masing 1,029, di mana sesuai dengan kriteria variabel yang bebas dari
multikolinearitas.
c. Uji Heteroskedastisitas
Menurut Erlina dan Mulyani 2007:107, “uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan
variabel dari residual satu pengamatan ke pengamatan lain.” Pengujian heteroskedastisitas dalam penelitian ini menggunakan dasar analisis:
Universitas Sumatera Utara
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas, dan 2
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukkan dalam grafik scatterplot antara ZPRED dengan SRESID ditunjukkan pada gambar 4.3
berikut:
Gambar 4.3 Grafik Scatterplot
Sumber: Diolah dengan SPSS, 2010
Berdasarkan grafik scatterplot dapat dilihat bahwa penyebaran residual tidak teratur, menyebar secara acak tanpa adanya pola yang jelas baik
di atas maupun di bawah angka 0 pada sumbu Y. Kesimpulan yang dapat
Universitas Sumatera Utara
ditarik berdasarkan grafik tersebut adalah tidak terjadi heteroskedastisitas pada data yang digunakan dalam penelitian.
d. Uji Autokorelasi
