lxxiv
-2 -1
1 2
Regression Standardized Predicted Value
-2 -1
1 2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
MARET JUNI
SEPTEMBE DESEMBER
MARET JUNI
SEPTEMBE DESEMBER
MARET JUNI
SEPTEMBE
DESEMBER
Dependent Variable: LN_roa Scatterplot
Gambar 4.7 Hasil Uji Heteroskedastisitas
c. Uji Normalitas
Uji ini untuk menguji apakah dalam sebuah model regresi, variabel dependen, variable independent atau keduanya mempunyai distribusi normal ataukah tidak.
Model regresi yang baik adalah distribusi data normal atau mendekati normal. Dari hasil pengujian normalitas diperoleh suatu grafik, dimana pada grafik
hasil uji Normalitas terlihat bahwa titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti atah garis diagonal. Maka model regresi layak dipakai
lxxv untuk prediksi ROA berdasar masukan variabel independennya. Hasil tersebut dapat
terlihat pada grafik hasil pengolahan SPSS versi 11.5 di bawah ini: Gambar 4.8
Hasil Uji Normalitas
d. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya, dan model regresi yang baik adalah regresi yang bebas dari autokorelasi. Dengan ketentuan sebagai berikut:
- Angka D-W diantara -2 sampai +2, maka tidak ada autokorelasi. - Angka D-W dibawah -2 berarti ada autokorelasi positif.
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
E xp
e ct
e d
C u
m P
ro b
Des 04 Maret 04
Des 07 Sept 04
Des 06 Des 05
Sept 07 Sept 05
Sept 06 Juni 05
Maret 07 Maret 05
Juni 06 Maret 06
Dependent Variable: ROA Normal P-P Plot of Regression Standardized Residual
lxxvi
Model Summary
b
,987
a
,975 ,970
,12539 1,817
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, LN_BOPO, LN_NIM a.
Dependent Variable: LN_roa b.
- Angka pada D-W diatas +2 terjadi autokorelasi negative. Hal ini dapat dilihat pada table 4.10 dibawah ini :
Tabel 4.11 Hasil Uji Autokorelasi
Pada table 4.11 diatas, terlihat angka D-W sebesar +1.817 atau -2. hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
untuk digunakan. Hal ini mempengaruhi pada nilai F yang signifikan menunjukkan regresi ini layak namun sebaliknya jika pada Durbin-Watson terdapat autokorelais
maka hasil uji F yang signifikan menjadi tidak layak untuk digunakan.
e. Hasil Uji Koefisien Korelasi
