Sumber : Hasil Penelitian, 2013 Data Diolah
Gambar 4.2 Normal P-Plot
Berdasarkan Gambar 4.2 Normal Probability Plot diatas dapat disimpulkan bahwa model regresi memnuhi asumsi normalitas karena data menyebar di sekitar
garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.2.2.2. Uji Multikolinearitas
Masalah-masalah yang mungkin akan timbul pada penggunaan persamaan regresi berganda adalah multikolinieritas, yaitu suatu keadaan di mana antara
variabel bebas terdapat korelasi atau suatu variabel bebas merupakan fungsi linier dari variabel bebas lainnya. Adanya Multikolinieritas dapat dilihat dari tolerance
value atau nilai variance inflation factor VIF. Berdasarkan aturan variance
inflation factor VIF dan tolerance, maka apabila VIF melebihi angka 10 atau
tolerance kurang dari 0,10 maka dinyatakan terjadi gejala multikolinearitas.
Universitas Sumatera Utara
Sebaliknya apabila nilai VIF kurang dari 10 atau tolerance lebih dari 0,10 maka dinyatakan tidak terjadi gejala multikolinearitas Ghozali, 2011
Tabel 4.4 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF 1 Constant
ROI .623 1.605
MVEBVE .768 1.302
CAPMVA .814
1.228 VARRET .977
1.024 Growth .924
1.083 a. Dependent Variable : DPR
Sumber : Hasil Penelitian, 2013 Data Diolah Berdasarkan Tabel 4.4 nilai tolerance dan VIF dari variabel ROI adalah
sebesar 0,623 dan 1,605. Untuk variabel MVEBVE adalah sebesar 0,768 dan 1,302. Untuk variabel CAPMVA sebesar 0.814 dan 1,228. Untuk variabel
VARRET sebesar 0,977 dan 1,024. Untuk variabel Growth sebesar 0,923 dan 1,083. Oleh karena itu, dapat disimpulkan bahwa dalam model ini tidak terdapat
masalah multikolinearitas antara variabel bebas karena nilai tolerance berada dibawah 1 dan nilai VIF jauh dibawah angka 10.
4.2.2.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Pengujian untuk melihat ada atau tidaknya heteroskedasitas
Universitas Sumatera Utara
dapat dilakukan dengan melihat scatter plot antara lain prediksi variabel terikat ZPRED dengan residual SRESID. Jika titik-titik pada scatter plot tersebut
membentuk pola tertentu yang teratur missal bergelombang, melebar kemudian menyempit, maka dapat diindifikasikan telah terjadi heteroskedasitas. Hasil
pengujian heteroskedasitas yang dilakukan pada penelitian ini dapat dilihat pada gambar berikut:
Sumber : Hasil Penelitian, 2013 Data Diolah
Gambar 4.3 Scatterplot
Berdasarkan scatterplot
terlihat bahwa titik-titik menyebar secara acak serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. maka dapat disimpulkan
bahwa dalam model regresi ini tidak terjadi heteroskedastisitas. Adapun pengujian untuk melihat ada atau tidaknya heteroskedastisitas dapat
dilihat dengan uji Glejser antara lain prediksi variabel dependen menjadi absUt. Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 0.05
jadi disimpulkan model regresi ini tidak terjadi heteroskedastisitas. Hasil
Universitas Sumatera Utara
pengujian heteroskedastisitas dengan uji Glejser dapat dilihat pada Tabel 4.5 sebagai berikut:
Tabel 4.5 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant 1.567
.727 2.156 .036
LNROI .154
.129 .139 1.193 .239
LNMVE -.129
.085 -.158 -1.509 .138
LNCAP .111
.118 .096
.937 .354 LNVARRET
.678 .083
.760 8.157 .060 LNGR
-.073 .042
-.167 -1.746 .087 a. Dependent Variable: absut
Sumber: Hasil Penelitian, 2013 Data Diolah Berdasarkan Tabel 4.5 terlihat bahwa signifikansinya di atas tingkat
kepercayaan 0.05 maka dapat disimpulkan bahwa dalam pengujian ini tidak terjadi heteroskedastisitas.
4.2.1.4 Uji Autokorelasi
