lxxv
Gambar 4.2 Grafik Normal P-Plot
Sumber: Data diolah penulis, 2008
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi
telah memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Ln_Perubahan_Laba
Universitas Sumatera Utara
lxxvi error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada
tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan VIF. Pada suatu model regresi dinyatakan terjadi multikolinearitas apabila nilai tolerance
0.10 dan VIF 10 Ghozali, 2005 : 92.
Tabel 4.8 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Ln_CR .349
2.864 Ln_DR
.137 7.296
Ln_TATO .511
1.957 Ln_ROA
.019 51.800
Ln_ROE .020
49.556 Ln_GPM
.466 2.148
Sumber: Data diolah penulis, 2008 Dari data pada tabel 4.8, dapat disimpulkan bahwa terjadi multikolinearitas
pada variabel ROA dan ROE karena ROA dan ROE memiliki nilai tolerance 0.10 dan VIF 10, sehingga tidak dapat dilakukan analisis dengan model regresi.
Tindakan perbaikan yang dilakukan adalah mengeluarkan variabel independen yang memiliki nilai VIF yang terbesar yaitu ROA dengan nilai VIF sebesar
51.800. Dengan demikian persamaan regresi yang dapat diterima adalah Ln_Perubahan Laba = fLn_CR, Ln_DR, Ln_TATO, Ln_ROE, Ln_GPM.
Setelah dilakukan uji multikolinearitas ulang diperoleh hasil sebagai berikut:
Universitas Sumatera Utara
lxxvii
Tabel 4.9 Hasil Uji Miltikolinearitas Setelah Tindakan Perbaikan
Model Collinearity Statistics
Tolerance VIF
1 Constant
Ln_CR .395
2.532 Ln_DR
.265 3.774
Ln_TATO .729
1.373 Ln_ROE
.580 1.723
Ln_GPM .561
1.783
Sumber: Data diolah penulis, 2008
Dari data pada tabel 4.9 dapat dilihat bahwa tidak ada variabel yang memiliki nilai tolerance 0.10 dan nilai VIF 10. Dengan demikian dapat disimpulkan
bahwa dalam model regresi sudah tidak terjadi multikolinearitas antar variabel independen.
Tindakan perbaikan dengan mengeluarkan variabel ROA dari model regresi dapat mempengaruhi normalitas data. Untuk mengetahui apakah variabel residual
tetap berdistribusi normal setelah dilakukan tindakan perbaikan dengan membuang variabel ROA, maka harus dilakukan uji normalitas kembali. Adapun
hasil uji normalitas tersebut dengan menggunakan uji Kolmogorov Smirnov dapat dilihat pada tabel 4.10.
Universitas Sumatera Utara
lxxviii
Tabel 4.10 Hasil Uji Kolmogorov Smirnov Setelah Tindakan Perbaikan
Atas Terjadinya Multikolinearitas
Unstandardized Residual
N 54
Normal Parametersa,b Mean .0000000
Std. Deviation 1.65822291
Most Extreme Differences
Absolute .109
Positive .109
Negative -.100
Kolmogorov-Smirnov Z .799
Asymp. Sig. 2-tailed .546
Sumber: Data diolah penulis, 2008
Dari hasil pengolahan data pada tabel 4.10 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0.799 dan signifikan pada 0.546. Nilai signifikansi
lebih besar dari 0.05 yang berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya.
3. Uji Heteroskedastisitas