35
Menurut Ghozali 2005 : 32, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari
grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah
terdistribusi normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil
pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal,
maka dapat dilakukan pengujian asumsi klasik lainnya.
4.2.2.2. Uji Multikolinieritas
Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari:
1 nilai tolerence dan lawannya, 2 variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan
nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence
≤ 0,10 atau sama dengan VIF
≥ 10 Ghozali, 2005 : 45.
Universitas Sumatera Utara
36
Tabel 4.4 HASIL UJI MULTIKOLINIERITAS
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.482
.832 4.183
.000 Firm
Growth -1.021
1.817 -.057
-.562 .575
.985 1.015
DER 1.640
.711 .236
2.308 .023
.981 1.020
DAR .093
.068 .142
1.375 .173
.967 1.034
a. Dependent Variable: ROA
Berdasarkan tabel 4.3 dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinieritas. Hal tersebut dapat dilihat dengan
membandingkannya dengan nilai Tolerance atau VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai
Tolerence yang lebih besar dari 0,10. Jika dilihat dari VIFnya, bahwa masing-masing variabel bebas lebih kecil dari 10. Dengan demikian dapat
disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam variabel bebasnya.
Universitas Sumatera Utara
37
4.2.2.3. Uji Heteroskedastisitas
Ghozali 2005 : 34 menyatakan “uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas
dan jika berbeda disebut heteroskedastisitas”. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan
keputusannya menurut Ghozali 2005 : 25 adalah sebagai berikut: 1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot yang diambil dari lampiran G untuk menganalisis apakah terjadi gejala heteroskedastisitas atau tidak
dengan cara mengamati penyebaran titik-titik pada grafik.
Universitas Sumatera Utara
38
Gambar 4.3 HASIL UJI HETEROSKEDASTISITAS
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di
bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heteroskedastisitas, sehingga model ini layak dipakai untuk
memprediksi tingkat pengungkapan wajib mandatory disclosure perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia
berdasarkan masukan variabel independen yaitu pertumbuhan perusahaan, struktur modal, dan leverage.
4.2.2.4. Uji Autokorelasi
