65
Gambar 4.2 Grafik Normal P-Plot
Pada Gambar 4.2 grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat
disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model
regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Deteksi multikolenaritas
pada suatu model dapat dilihat yaitu jika nilai Variance Inflation Factor
Universitas Sumatera Utara
66
VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolenearitas Priyatno, 2013:56.
Tabel 4.8 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
2.076 .075
27.666 .000
NPL 4.957
.727 .717
6.817 .000
.975 1.026
ROA .041
.047 .093
.878 .384
.960 1.042
LDR 2.649E-5
.000 .006
.056 .956
.973 1.028
LIQUIDITYRISK -.062
.072 -.091
-.870 .389
.985 1.015
a. Dependent Variable: ZSCORE
Dari data pada Tabel 4.8, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari
nilai tolerance setiap variabel independen lebih besar dari 0,1 yakni sebesar 0,975 NPL, 0,980 ROA, 0,973 LDR, 0,985 Liquidity Risk dan nilai
VIF lebih kecil dari 10 yakni sebesar 1,026 NPL, 1,042 ROA, 1,028 LDR, 1,015 Liquidity Risk.
3. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada
tidaknya heteroskedastisitas pada suatu model dapat diihat dari pola gambar
Universitas Sumatera Utara
67
Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas
jika :
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka
0, 2.
Titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali,
4. Penyebaran titik-titik data sebaiknya tidak berpola.
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
Universitas Sumatera Utara
68
Pada Gambar 4.3 garfik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0
pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai
untuk memprediksi Z-Score perusahaan jasa perbankan yang terdaftar di BEI berdasarkan masukan variabel independen rasio NPL, rasio ROA, rasio
LDR dan rasio liquidity risk.
4. Uji Autokorelasi
