42 Gambar 4-2
Output SPSS Normal P-Plot
Sumber data yang telah diolah Dari hasil uji normalitas dengan menggunakan grafik histogram dan
normal probability plot, tampak bahwa histogram memberikan pola distribusi yang tidak melenceng ke kiri dan kanan sedangkan pada grafik norma probability
plot terihat bahwa titik-titik tidak menyebar dan mendekati garis diagonalnya. Hal ini menunjukkan bahwa data terdistribusi secara normal dan model regresi yang
diuji dengan menggunakan grafik tersebut telah memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji Multikolinearitas dalam penelitian ini adalah dengan melihat
Universitas sumatera utara
43 koefisien Variance Inflation Factor VIF dan nilai Tolerance. Menurut Imam
Ghozali 2009: 96 bahwa : “Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≥ 0.10 atau sama dengan nilai
VIF ≤ 10”. Dengan kata lain data yang baik dapat dilihat apabila memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10 dan apabila nilai
Tolerance dan VIF tidak sesuai dengan ketentuan tersebut maka data penelitian mengandung multikolinearitas yang berarti tidak layak digunakan sebagai data
penelitian. Berikut adalah hasil uji multikolinearitas dari output SPSS yang dilakukan.
Tabel 4-2 Output SPSS Uji Multikolinearitas
Coefficients
a
Model Colinearity Statistics
Tolerance VIF
1 Constant
Earning Per Share .997
1.003 Devident Per Share
.997 1.003
Sumber data yang telah diolah Hasil uji multikolinearitas menunjukkan nilai tolerance 0,10 dan nilai
VIF 10 untuk variabel penelitian earning per share dan devident per share, hal ini menunjukkan bahwa tidak ada multikolinearitas dalam model regresi sehingga
data dikatakan baik dan dapat digunakan untuk pengujian selanjutnya.
c. Uji Heterokedastisitas
Uji Heterokedastisitas dilakukan dengan plot grafik antara ZPRED nilai
Universitas sumatera utara
44 prediksi dengan SRESID nilai residual. Menurut Imam Ghozali 2009: 125
bahwa : “Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Model regresi yang baik adalah tidak terjadi Heterokedastisitas”. Tidak terjadi Heterokedastisitas dapat diketahui apabila titik-titik penyebaran data
menyebar secara acak dan tidak berkumpul. Berikut adalah hasil uji Heterokedastisitas dari output SPSS yang dilakukan.
Gambar 4-3 Output SPSS Uji Heterokedastisitas
Sumber data yang telah diolah
Grafik plot menunjukkan penyebaran titik-titik secara acak dan tersebar baik di atas maupun di bawah angka 0 pada sumbu Y sehingga dapat disimpulkan
Universitas sumatera utara
45 bahwa dalam model regresi tidak terjadi Heterokedastisitas sehingga data layak
untuk dilanjutkan ke pengujian selanjutnya.
d. Uji Autokorelasi
