Gambar 4.4.Grafik Normal P-Plot SetelahTransformasi Sumber : SPSS 18.0, diolah Penulis, 2013.
Padagrafik 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.
2. Uji Multikolinieritas
Multikolinearitas adalah keadaan dimana variabel-variabel independen dalam persamaan regresi mempunyai korelasi hubungan yang erat satu sama
lain Pengujian multikolinearitas dapat dilakukan dengan melihat Variance Inflation factor VIF dan korelasi diantara variabel independen. Jika nilai VIF
10 atau tolerance 0.10 maka terjadi multikolinearitas sedangkan apabila nilai
Universitas Sumatera Utara
VIF 10 atau tolerance 0.10 maka tidak terjadi multikolinearitas, jika kolerasi diantara variabel independen lebih besar dari 0.9.
Uji multikolinearitas dengan melihat tolerance dan VIF menunjukkan hasil seperti pada tabel 4.5 berikut :
Tabel 4.5.Hasil Uji Multikolinieritas Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant Ln_EBIT
.376 2.658
Ln_CFO .376
2.658 a. Dependent Variable: Ln_DEVIDEN.TUNAI
Sumber : SPSS 18.0, diolah Penulis, 2013.
Tabel 4.5. di atas menunjukkan bahwa penelitian ini bebas dari adanya multikolinearitas,hal ini bisa dilihat dengan membandingkan nilai tolerance dan
VIF. Masing-masing variabel bebas yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0.01 yaitu untuk Ln_EBIT nilai
tolenrance0.376danLn_CFO nilai tolenrance 0.493. Jika dilihat dari VIF-nya bahwa masing-masing variabel bebas lebih
kecil dari 10 yaitu, untuk VIF Ln_EBIT sebesar 2.658 dan VIF Ln_CFO 2.658. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas
antara variabel independen, dengan dasar nilai VIF untuk setiap variabel tidak ada yang lebih dari 10 dan nilai tolerance tidak ada yang kurang dari 0.1
Universitas Sumatera Utara
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regersi yang baik adalah tidak terjadi heteroskedastisitas. Untuk menghilangkan heteroskedastisitas dapat dengan
mengonversi ke dalam bentuk logaritma atau dengan menjalankan regresi sistem kuadrat terkecil tertimbang weigthed least square , Pratisto, 2009.
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y. Dengan demikian, dapat disimpulkan bahwa tidak tejadi heteroskedastitas sehingga model ini layak dipakai untuk memprediksi
rentabilitas bank yang terdaftar di Bursa Efek Indonesia berdasarkan masukan varibel independen kredit, surat-surat berharga, penempatan dana pada bank
lain, dan penyertaan modal. Ada tidaknya heterokedastitas pada penelitian ini dapat dilihat dari grafik scatterplot pada gambar 4.5 berikut ini:
Universitas Sumatera Utara
Gambar 4.5. Grafik Scatterplot Sumber : SPSS 18.0, diolah Penulis, 2013.
4. Uji Autokorelasi
