Uji Normalitas Uji Heteroskedastisitas

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