50
Gambar 4.2 Grafik Normal P-Plot
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, bahwa dapat disimpulkan
model regresi memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah ada atau tidak korelasi antara variabel independen.Analisis regresi yang baik
seharusnya tidak ada korelasi antara variabel independen.Pengujian multikolinearitas dapat dilihat dari nilai variance inflance faktor
51 VIF.Apabila nilai VIF 10 dan mendekati 1, dapat disimpulkan
bahwa asumsi adanya multikolinearitas ditolak.Hasil analisis multikolinearitas selengkapnya dapat dilihat pada tabel berikut ini.
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 LOG10_CATA
,974 1,027
LOG10_CLTA ,974
1,027 a. Dependent Variable: LOG10_ROA
Berdasarkan hasil penelitian diperoleh nilai VIF dan tolerance untuk variabel aggressive investing variable CATA dan aggressive
financing variable CLTA berada dibawah 10 dan nilai tolerance 0,10 yang berarti tidak ada ditemukan gejala multikolinearitas antara
variabel independen.
4.2.2.3 Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan
ke pengamatan lain.Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada
tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola
52 gambar grafik Scatterplot yang menyatakan model regresi linear
berganda tidak terdapat heterokedastisitas jika : 1. titik-titik data menyebar di atas dan di bawah atau di sekitar angka
0, 2. titik-titik data tidak mengumpul hanya di atas atau di bawah saja,
3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali,
Gambar 4.3 Hasil Uji Heterokedastisitas
53 Terlihat dari gambar 4.3 diatas, titik-titik tersebar secara tidak
beraturan, sehingga dapat disimpulkan bahwa tidak ditemukan gejala heterokedastisitas.
4.2.2.4 Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada kolerasi antara kesalahan penggangguan pada periode
dengan kesalahan pada periode t-1.Untuk mendeteksi maasalah autokolerasi adalah dengan menggunakan nilai uji Durbin Watson D-
W.
Tabel 4.6 Hasil Uji Autokolerasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,330
a
,109 ,084
,54721 2,183
a. Predictors: Constant, CL TA, CA TA b. Dependent Variable: ROA
Tabel 4.6 dapat dilihat bahwa nilai DW sebesar 2,183 pada tingkat signifikansi 0,05 dengan jumlah sampel N 75, dan jumlah variabel
independen 2 k = 2, memberikan niali dU batas atas 1,6802 dan nilai dL batas bawah 1,5709. Nilai DW lebih besar dari pada nilai
dU dan kurang dari 4- dU 4 – 1,68, maka dapat disimpulkan bahwa tidak terjadi autokolerasi.
54
4.2.3
Model Analisis Regresi Berganda
Melalui hasil pengujian asumsi klasik dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian telah memenuhi estimasi yang layak
untuk dilakukan analisis regresi.
4.2.3.1 Regresi Linier Berganda
