Gambar 4.4 Grafik Normal P – P Plot Setelah Transformasi Ln
Sumber : Output SPSS Berdasarkan grafik histogram di atas, dapat dilihat bahwa kurva
menyerupai bentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung seimbang baik dari sisi kiri maupun dari sisi kanan. Hal ini
menunjukkan bahwa data telah terdistribusi secara normal. Pada gambar 4.3, terlihat titik – titik menyebar disekitar garis diagonal
serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
4.1.2.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas dalam penelitian ini digunakan untuk mendeteksi ada tidaknya gejala heroskedastisitas yaitu dengan melihat grafik scatterplot
Universitas Sumatera Utara
variabel dependen, yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan keputusannya adalah:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik Scatterplot ditunjukkan pada Gambar 4.5 dibawah ini:
Gambar 4.5 Grafik Scatterplot
Sumber : Output SPSS, 2013
Universitas Sumatera Utara
Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heterokedastisitas.
4.1.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Cara yang dapat digunakan untuk
mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Berikut ini merupakan hasil uji Durbin-Watson yang digunakan.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 .974
a
.948 .946
.28022 .985
a. Predictors: Constant, LN_LDER, LN_ROA b. Dependent Variable: LN_ROE
Sumber : Output SPSS, 2013
Universitas Sumatera Utara
Dari hasil uji autokorelasi Durbin – Watson maka diperoleh nilai DW sebesar 0,985. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat
disimpulkan bahwa tidak terjadi autokorelasi .
4.1.2.5 Uji Multikolonieritas
