Gambar 4.2 Grafik Normal P-
Plot
Pada grafik normal P-Plot terlihat bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antar variabel
independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tol 0.10 dan variance Inflation Factor VIF 10. Berikut adalah
hasil uji multikolinearitas:
Universitas Sumatera Utara
Tabel 4.6 Uji Multikolinearitas
Hasil perhitungan nilai VIF menunjukkan tidak ada variabel independen yang memiliki nilai VIF lebih dari 10 yang berarti tidak ada
korelasi antar variabel independen. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
c. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mengetahui apakah dalam penelitian terjadi Heteroskedastisitas, dapat dilihat dengan grafik scatterplot. Hasil
dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1Constant -2028966.569
690546.900 -2.938
.006 X1
.328 .289
.279 1.134
.265 .131
7.661 X2
.356 .147
.594 2.416
.021 .131
7.661 a. Dependent Variable: Y
Universitas Sumatera Utara
Gambar 4.3 Grafik ScatterPlot
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta
titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi
sehingga model regresi layak dipakai untuk memprediksi variabel dependen yaitu laba kotor berdasarkan variabel independen yaitu biaya
produksi dan harga jual.
d. Uji Autokorelasi
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW.
Universitas Sumatera Utara
Tabel berikut menyajikan hasil uji Durbin Watson dengan menggunakan SPSS versi 16.
Tabel 4.7 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .860
a
.740 .724
891346.096 1.037
a. Predictors: Constant, X2, X1 b. Dependent Variable: Y
Pada bagian model summary, hasil pengujian diatas terlihat bahwa angka D-W sebesar +1.037 atau - 21.037+2 , karena angka D-W
diantara -2 sampai +2, maka dapat disimpulkan bahwa dalam penelitian ini tidak ada autokorelasi.
3. Model Dan Teknik Analisis Data a. Model Regresi Berganda