77
2. Uji Heteroskedastisitas
Menurut Ghozali
15
, uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual pengamatan satu
ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas begitu juga sebaliknya
jika berbeda disebut heteroskedastisitas. Adapun beberapa cara untuk mendeteksi
ada atau tidaknya heteroskedastisitas: 1. Melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
anatara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi
– Y sesungguhnya yang telah di studentized.
Dasar analisis: 1.Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
yang teratur
bergelombang, melebar
kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
15
Ibid., h.139.
78
3. Uji Multikolinearitas
Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen
. Model regresi yang baik seharusnya
tidak terjadi korelasi di antara variabel independen. Jika terjadi korelasi maka
terdapat masalah multikolinieritas sehingga model regresi tidak dapat digunakan. Pengujian ini dapat dilihat melalui nilai Variance Inflation Factor VIF dengan
ketentuan sebagai berikut:
16
a. Jika nilai Variance Inflation Factor VIF ≥ 10 maka terdapat persoalan
multikolinieritas diantara variabel bebas. b.
Jika nilai Variance Inflation Factor VIF ≤ 10 maka tidak terdapat persoalan multikolinieritas diantara variabel bebas.
4. Uji Autokorelasi
Menurut Ghozali
17
, uji autokorelasi bertujuan menguji apakah dalam model regresi liner ada korelasi antar kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lainnya. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi
yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian ini yaitu dengan uji Durbin-Watson.
16
Ibid., h.105.
17
Ibid., h.110.
79
Menurut Suliyanto
18
, salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi adalah dengan uji Durbin-Watson dengan ketentuan sebagai
berikut: 1.
Terjadi autokorelasi positif, jika nilai DW dL 2.
Tanpa kesimpulan, jika dL nilai DW dU 3.
Tidak ada autokorelasi, jika dU nilai DW 4-dU 4.
Tanpa kesimpulan, jika 4-dU nilai DW 4-dL 5.
Terjadi autokorelasi negative, jika nilai DW 4dL.
D. Analisis Regresi Linear Berganda
Analisis regresi linear berganda multiple regression diterapkan untuk memecahkan kasus yang memiliki satu variabel dependen dengan beberapa atau
lebih dari satu variabel independen.
19
Menurut Sugiyono
20
, analisis regresi berganda digunakan oleh peneliti apabila peneliti bermaksud meramalkan
bagaimana keadaan naik-turunnya variabel dependen kriterium, bila dua atau lebih variabel independen sebagai faktor predictor dimanipulasi dinaik turunkan
nilainya. Persamaan regresi untuk empat prediktor adalah:
Keterangan:
18
Suliyanto, Ekonomi Terapan: Teori dan Aplikasi dengan SPSS, Yogyakarta: Medikom, 2011, h. 129.
19
Sugiama Gima, Metode Penelitian Bisnis dan Manajemen, Bandung: Guardaya Intimarta, 2008, h. 238.
20
Sugiyono, Metode Penelitian Pendekatan Kuantitatif, Kualitatif, h. 277.
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e
80
Y = Return On Asset ROA
α = Konstanta, merupakan nilai terkait yang dalam hal ini adalah Y pada saat variabel independennya adalah 0 X
1
, X
1
, X
1
=0. β
1
= Koefisien regresi variabel independen X
1
terhadap variabel Y, bila variabel X
2,
X
3,
dan X
4
dianggap konstan. β
2
= Koefisien regresi variabel independen X
2
terhadap variabel Y, bila variabel X
1,
X
3
dan X
4
dianggap konstan. β
3
= Koefisien regresi variabel independen X
3
terhadap variabel Y, bila variabel X
1,
X
2
dan X
4
dianggap konstan. β
4
= Koefisien regresi variabel independen X
4
terhadap variabel Y, bila variabel X
1,
X
2
dan X
3
dianggap konstan. X
1
= Capital Adequacy Ratio CAR yang merupakan variabel independen ke-1.
X
2
= Financing to Deposit Ratio FDR yang merupakan variabel independen ke-2.
X
3
= Inflasi yang merupakan variabel independen ke-3. X
4
= BI rate yang merupakan variabel independen ke-4.
E. Uji Hipotesis
Kategori