0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
Expect ed C
um P
rob Dependent Variable: ROE Y5
Normal P-P Plot of Regression Standardized Residual
Gambar 4.5. Normal P-P Plot ROE
Sumber: Hasil Penelitian, 2013 Data Diolah Dari grafik Normal P-P Plot terlihat titik menyebar disekitar garis
diagonal, serta penyebarannya mengikuti arah garis diagonal. Hal ini berarti data yang digunakan sudah memenuhi asumsi normalitas, sehingga model regresi
layak dipakai untuk memprediksi BOPO, CAR, NIM, ROA dan ROE berdasarkan masukan variabel bebas GCG.
3.2. Uji Autokorelasi
Untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode dengan kesalahan pada periode t-1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Universitas Sumatera Utara
Deteksi autokorelasi dengan melihat besarnya DURBIN-WATSON. Secara umum bisa diambil patokan:
• Angka D - W di bawah -2 berarti ada autokorelasi positif.
• Angka D - W di antara -2 sampai +2 berarti tidak ada autokorelasi.
• Angka D - W di atas +2 berarti ada autokorelasi negatif.
Pada bagian MODEL SUMMARY pada Lampiran 1 - 5, terlihat angka D – W sebesar + 1,763 untuk BOPO, + 1,826 untuk CAR, + 1,741 untuk NIM, + 1,776
untuk ROA, dan 1,690 untuk ROE. Dengan demikain pada semua model regresi
tidak terdapat masalah autokorelasi. 3.3. Uji Heterokedastisitas
Untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians residual
satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas. Dan jika varians berbeda, disebut heterokedastisitas. Uji Heterokedastisitas dapat
dilakukan dengan mengamati diagram pancar Scatter plot residual, seperti tertera pada Gambar 4.6 – 4.10.
Universitas Sumatera Utara
-3 -2
-1 1
2
Regression Standardized Residual
-1 1
2
Regression Standardiz
ed Predi
ct
ed V al
ue Dependent Variable: BOPO Y1
Scatterplot
Gambar 4.6. Diagram Pancar Scatterplot BOPO
Sumber: Hasil Penelitian, 2013 Data Diolah
-2 -1
1 2
3 4
Regression Standardized Residual
-1 1
2
Regressi on
Standardi zed
Predi cted V
alue Dependent Variable: CAR Y2
Scatterplot
Gambar 4.7. Diagram Pancar Scatterplot CAR
Sumber: Hasil Penelitian, 2013 Data Diolah
Universitas Sumatera Utara
-2 -1
1 2
3
Regression Standardized Residual
-2 -1
1
Regres sion
Standardi
zed Predi
ct ed
Value Dependent Variable: NIM Y3
Scatterplot
Gambar 4.8. Diagram Pancar Scatterplot NIM
Sumber: Hasil Penelitian, 2013 Data Diolah
-3 -2
-1 1
2 3
Regression Standardized Residual
-2 -1
1
Regressi on
Standardi zed
Predi cted
Val ue
Dependent Variable: ROA Y4 Scatterplot
Gambar 4.9. Diagram Pancar Scatterplot ROA
Sumber: Hasil Penelitian, 2013 Data Diolah
Universitas Sumatera Utara
-4 -2
2 4
Regression Standardized Residual
-2 -1
1
R egressi
on S
tandardized P
redicted V
al ue
Dependent Variable: ROE Y5 Scatterplot
Gambar 4.10. Diagram Pancar Scatterplot ROE
Sumber: Hasil Penelitian, 2013 Data Diolah
Berdasarkan grafik terlihat bahwa titik-titiknya menyebar secara merata. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model
regresi layak dipakai untuk memprediksi BOPO, CAR, NIM, ROA dan ROE berdasarkan masukan variabel bebas GCG.
4. Analisis Regresi Linier