Gambar 4.2 Grafik Normal P-Plot
Sumber: Data diolah penulis Pada grafik normal p-plot terlihat bahwa data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinieritas
Uji ini dilakukan untuk mengetahui apakah antar variabel independen mengandung korelasi atau tidak. Jika Variance Inflation
Factor VIF 10 maka antar variabel independen CR, TDER,
Universitas Sumatera Utara
TATO, ROA dan GPM tidak terjadi multikolinieritas. Berikut ini adalah hasil uji multikolinieritas :
Tabel 4.4 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant CR
.849 1.178
TDER .874
1.145 TATO
.994 1.006
ROA .931
1.074 GPM
.977 1.023
a. Dependent Variable: PERT.LABA
Sumber: Data diolah penulis Dari hasil tabel 4.4 diatas diketahui bahwa nilai Variance
Inflation Factor VIF dari CR Current Ratio sebesar 1,178, TDER Total Debt to Equity Ratio sebesar 1,145, TATO Total Assets
Turnover sebesar 1,006, ROA Return on Assets sebesar 1,074, dan GPM Gross Profit Margin sebesar
1,023. Nilai VIF untuk semua variabel independen masih lebih kecil dari pada 10 VIF 10. Maka
dapat disimpulkan bahwa keempat variabel independen penelitian ini tidak terjadi multikolinieritas.
Universitas Sumatera Utara
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lain dalam model regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model
regresi dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Dalam model regresi
tidak terjadi heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar di atas
dan di bawah angka nol pada sumbu Y. Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas dengan mengamati penyebaran titik- titik pada gambar.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Universitas Sumatera Utara
4.2.2.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antar anggota sampel yang diurutkan berdasarkan waktu.
Diagnosa adanya autokorelasi dilakukan melalui pengujian terhadap nilai uji Durbin Watson uji DW. Jika nilai uji Durbin Watson DW
menunjukkan angka 1,65 sampai 2,35 maka tidak terjadi autokorelasi. Berikut ini hasil uji autokorelasi :
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error of the
Estimate Durbin-Watson
1 .530
a
.281 .176
42.57844 1.752
a. Predictors: Constant, GPM, CR, TATO, TDER, ROA b. Dependent Variable: PERT.LABA
Sumber: Data diolah penulis Dari hasil tabel uji autokorelasi tersebut diketahui bahwa nilai
Durbin Watson DW sebesar 1,752. Angka tersebut berada diantara 1,65 sampai 2,35 maka tidak terjadi autokorelasi.
4.2.3 Pengujian Hipotesis
