66
1.4.2 Uji Asumsi Klasik
1.4.2.1 Uji Normalitas
Uji normalitas dideteksi dengan melihat menyebar data titik pada sumbu diagonal dari grafik atau padat juga dengan melihat histogram dari
residualnya. Jika data merapat di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.
Dari grafik hasil pengujian normalitas melalui histrogram terlihat bahwa residual terdistribusi secara normal dan berbentuk simetris tidak
menceng ke kanan ataupun ke kiri dan pada grafik hasil pengujian normalitas melalui normal probility plots titik-titik menyebar berhimpit di
sekitar diagonal hal ini menunjukan bahwa residual berdistribusi secara normal. Jadi dapat disimpulkan secara keseluruhan bahwa model regresi
memenuhi syarat uji normalitas, sehingga model regresi layak dipakai untuk prediksi variabel dependen berdasarkan masukan variabel
independennya.
67
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed Cum
Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2014 data diolah
Gambar 4.1 Normal P-Plot Sumber : data diolah peneliti, 2015
Hasil uji normalitas menggunakan scatter plot menunjukkan bahwa titik pada scatterplot mengikuti data di sepanjang garis diagonal. Hal ini
berarti data berdistribusi normal.
68
Regression Standardized Residual
2 1
-1 -2
Frequency
12.5 10.0
7.5 5.0
2.5 0.0
Histogram
Dependent Variable: Y
Mean =-2.88E-16 Std. Dev. =0.92
N =40
Gambar 4.2 Histogram Sumber : data diolah peneliti, 2015
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau ke
kanan.
1.4.2.2 Uji Heteroskedastisitas
Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas, akan tetapi pada penelitian ini dilakukan uji heteroskedastisitas dengan cara
melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SPRED. Deteksi ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPREAD dimana sumbu asset keuangan X
1
, pendapatan tetap X
2
, nilai buku ekuitas X
3
, investasi X
4
, hutang X
5
, arus kas bersih X
6
dan nilai pasar perusahaan Y yang telah diprediksi dan
69 sumbu Y adalah residual Y prediksi-Y sesungguhnya yang telah
distudentized. Dasar analisisnya adalah jika ada pola tertentu yang teratur seperti
titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka telah terjadi
Heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
Heteroskedastisitas.
Regression Studentized Residual
3 2
1 -1
-2 -3
Regre ssion St
andardiz ed Re
sidual
2 1
-1 -2
Scatterplot Dependent Variable: Y
Sumber : Hasil pengolahan data primer dengan SPSS 19.0 tahun 2015 data diolah
Gambar 4.3 : Normal Scatterplot Dari grafik Scatterplot penelitian ini terlihat titik-titik menyebar
secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, hal ini menunjukkan tidak terjadi heteroskedastisitas pada model
70 regresi, sehingga model regresi layak dipakai untuk memprediksi asset
keuangan X
1
, pendapatan tetap X
2
, nilai buku ekuitas X
3
, investasi X
4
, hutang X
5
, arus kas bersih X
6
berdasarkan masukan variabel independennya nilai pasar perusahaan Y.
1.4.2.3 Uji Autokorelasi