Uji Heteroskedastisitas Uji Asumsi Klasik

Tabel 4.3.2.9 : Uji Autokorelasi Model Summary b .809 a .655 .553 26.12016 1.482 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, GYTA X13, QR X1, IPR X2, ROE X12, BR X3, RAR X8, CR~X5, CAR 2 X9 a. Dependent Variable: Perubahan Laba Y b. Sumber : Lampiran 1 Oleh karena nilai DW sebesar 1,482 terletak diantara –2 sampai +2, berarti bahwa dalam persamaan regresi Tidak ada Autokorelasi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi dapat dipenuhi.

4.3.2.10 Uji Heteroskedastisitas

Menurut Imam Ghozali 2005: 105, uji ini bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas. Dalam penelitian ini pendeteksian Heteroskedastisitas adalah dengan pengujian Korelasi Rank dari Spearman. Berikut ini adalah hasil pengujian heteroskedastisitas dengan korelasi Rank Spearman: Tabel 4.3.2.10 : Uji Heteroskedastisitas Correlations 1.000 -.145 -.071 .062 .071 .048 .079 -.008 .205 . .200 .341 .361 .341 .390 .323 .482 .116 36 36 36 36 36 36 36 36 36 -.145 1.000 -.036 -.424 .521 .553 .471 .437 .011 .200 . .419 .005 .001 .000 .002 .004 .475 36 36 36 36 36 36 36 36 36 -.071 -.036 1.000 -.304 -.066 .383 -.523 -.185 -.018 .341 .419 . .036 .351 .011 .001 .140 .459 36 36 36 36 36 36 36 36 36 .062 -.424 -.304 1.000 -.613 -.171 .038 -.076 .369 .361 .005 .036 . .000 .160 .412 .329 .013 36 36 36 36 36 36 36 36 36 .071 .521 -.066 -.613 1.00 .185 .125 .322 -.333 .341 .001 .351 .000 . .141 .235 .028 .024 36 36 36 36 36 36 36 36 36 .048 .553 .383 -.171 .185 1.00 .444 .097 .262 .390 .000 .011 .160 .141 . .003 .288 .061 36 36 36 36 36 36 36 36 36 .079 .471 -.523 .038 .125 .444 1.000 .306 .292 .323 .002 .001 .412 .235 .003 . .035 .042 36 36 36 36 36 36 36 36 36 -.008 .437 -.185 -.076 .322 .097 .306 1.000 .173 .482 .004 .140 .329 .028 .288 .035 . .156 36 36 36 36 36 36 36 36 36 .205 .011 -.018 .369 -.333 .262 .292 .173 1.000 .116 .475 .459 .013 .024 .061 .042 .156 . 36 36 36 36 36 36 36 36 36 Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Correlation Coefficient Sig. 1-tailed N Unstandardized Residual QR X1 IPR X2 BR X3 CR~X5 RAR X8 CAR 2 X9 ROE X12 GYTA X13 Spearmans rho Unstand ardized Residual QR X1 IPR X2 BR X3 CR~ X5 RAR X8 CAR 2 X9 ROE X12 GYTA X13 Correlation is significant at the 0.01 level 1-tailed. . Correlation is significant at the 0.05 level 1-tailed. . Sumber: Lampiran 1 Hasil Uji Heteroskedastisitas diperoleh nilai signifikansi variabel X 1 =0,200; X 2 =0,341; X 3 =0,361; X 5 =0,341; X 8 =0,390; X 9 =0,323; X 12 =0,482; X 13 =0,116 yang masing-masing 0,05 berarti tidak terjadi heteroskedastisitas. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi.

4.3.3 Analisis Regresi Linear Berganda