c. Outliers
Menurut Nachrowi
2002:135 Outlier merupakan nilai yang
terpisah dari kumpulan observasi, yang dapat bernilai sangat besar atau sangat kecil. Mengingat pendugaan koefisien regresi dan berbagai
perhitungan lain yang menyangkut regresi, seperti koefisien determinasi atau uji hipotesis, sangat banyak memanfaatkan nilai rata-rata, maka nilai
ekstrim akan mempunyai pengaruh terhadap ketepatan model. Nilai yang dianggap outliers adalah nilai Y prediksi dengan
residual standar yang nilainya lebih dari 2 dua . Setelah data-data yang masuk dalam kategori Outliers dikeluarkan maka data yang tersisa adalah
32 dari 52 data yang diamati. Penyeleksian data memberikan hasil bahwa residual standar tidak ada lagi yang bernilai lebih dari 2 dua.
2. Uji Normalitas
Gambar 4.4. Output Histogram SPSS For Windows Ver. 15.0
Setelah Data Ditransformasi
2 1
-1 -2
Regression Standardized Residual
8 6
4 2
Frequency
Mean = -9.3E-16 Std. Dev. = 0.967
N = 32
Dependent Variable: ln_roe Histogram
Universitas Sumatera Utara
Gambar 4.4 menunjukkan bahwa data memiliki sebaran yang normal. Hal tersebut terlihat bahwa data tersebar di dalam kurva distribusi normal.
Gambar 4.5 Output P-P Plot SPSS For Windows Ver. 15.0 Setelah Data Ditransformasi
Gambar P-P Plot 4.5 juga memperlihatkan bahwa data cenderung tersebar disekitar dan searah dengan garis regresi. Hal tersebut menjelaskan
bahwa data yang sudah ditransformasi adalah normal. Tabel 4. 9
Output Uji Normalitas Data Kolmogorov-Smirnov SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
ASII ASII
AUTO GJTL
SMSM SMSM
SMSM GJTL
AUTO SMSM
AUTO BRAM
AUTO ASII
LPIN ASII
BRAM GJTL
LPIN LPIN
NIPS LPIN
NIPS GDYR
GDYR BRAM
GDYR GJTL
NIPS NIPS
BRAM GDYR
Dependent Variable: ln_roe Normal P-P Plot of Regression Standardized Residual
One-Sample Kolmogorov-Smirnov Test
32 .0000000
.59465794 .105
.078 -.105
.595 .870
N Mean
Std. Deviation Normal Parameters
a,b Absolute
Positive Negative
Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Universitas Sumatera Utara
Tabel perhitungan uji non-parametrik kolmogorov Smirnov memberikan nilai Asymp.Sig residual sebesar 0,870. Artinya data adalah
normal karena nilai tersebut tidak signifikan terhadap α = 0,05 0,0870,05.
3. Multikolinearitas
Tabel 4.10 Output Uji Multikolinearitas SPSS For Windows Versi 15.0
Setelah Data Ditransformasi
Tabel di atas menjelaskan bahwa variabel yang saat ini digunakan tidak ada yang berkorelasi lagi. Hal ini ditunjukkan dengan nilai variabel-
variabel bebas yang memiliki nilai VIF 2. Sehingga untuk masalah multikolinearitas sudah tidak ada lagi.
4. Autokorelasi
Tabel 4.11 Output Durbin Watson SPSS For Windows Versi 15.0
Setelah Data Ditransformasi
Tabel di atas menunjukkan nilai Durbin Watson sebesar 1,363. Nilai tersebut masuk dalam kategori tidak dapat disimpulkan. Hal ini sesuai dengan
dengan pernyataan Trihendradi 2006:14 bahwa nilai 1,21 DW 1,65 atau 2,35 DW 2,79. Kesimpulannya tidak dapat disimpulkan inconclusive.
Coefficients
a
.870 1.149
.870 1.149
ln_der ln_tie
Model 1
Tolerance VIF
Collinearity Statistics
Dependent Variable: ln_roe a.
Model Summary
b
.579
a
.336 .290
.61482 1.363
Model 1
R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-
Watson Predictors: Constant, ln_tie, ln_der
a. Dependent Variable: ln_roe
b.
Universitas Sumatera Utara
5. Heterokedastisitas