Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data
titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdisribusi normal. Gambar 4.2 menunjukkan
bahwa data titik menyebar disekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah
terdistribusi normal.
b. Uji Multikoloniearitas
Menurut Ghozali 2005:91 “uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen”. Untuk mengetahui ada atau tidaknya korelasi antar variabel bebas tersebut, dapat dilihat dari nilai Tolerence atau sama dengan nilai Variance
Inflation Factor VIF, apabila nilai Tolerence 0,10 atau VIF 10 maka terjadi multikolonieritas dan apabila nilai Tolerence 0,10 atau VIF 10 maka tidak
terjadi multikolonieritas Ghozali, 2005:92.
Tabel 4.6 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN NPL X
1
.934 1.073
LN LDR X
2
.791 1.266
LN CAR X
3
.956 1.048
LN NIM X
4
.759 1.337
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 11
Universitas Sumatera Utara
Berdasarkan tabel 4.6 dapat disimpulakan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini bisa dilihat dengan membandingkannya dengan
nilai Tolerence dan VIF. Semua veriabel bebas yang digunakan dalam penelitian ini memliki nilai Tolerence yang lebih besar dari 0,10. Jika dilihat dari nilai
VIFnya, bahwa tak satupun variabel bebas memiliki nilai yang melebihi 10. Dengan demikian dapat disimpulkan bahwa tidak terjadi multikolinearitas dalam
variabel bebasnya.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1sebelumnya. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin
Watson pada buku statistik relevan. Namun secara umum dapat diambil patokan sebagai berikut:
1 Angka D-W di bawah -2 berarti ada autokorelasi positif. 2 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
3 Angka D-W di atas +2 berarti ada autokorelsi negatif. Santoso, 2002:219.
Tabel 4.7 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .712a
.507 .471
.5621058 1.379
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 11
Universitas Sumatera Utara
Tabel 4.7 menunjukkan hasil uji autokorelasi variabel penelitian. Berdasarkan hasil pengujiannya dapat disimpulkan bahwa tidak terjadi autokorelasi antar
kesalahan pengganggu antar periode. Hal ini dilihat dari nilai Durbin- Watson D- W. Berdasarkan tabel diatas, angka D-W adalah sebesar 1,379. Angka tersebut
berada diantara -2 dengan 2, artinya bahwa angka DW lebih besar dari -2 dan lebih kecil dari 2 -2 1,379 2 jadi, dapat disimpulkan tidak ada autokorelasi
positif maupun negarif yang terjadi.
d. Uji Heteroskedastisitas
