70 Berikut adalah hipotesisnya :
H : Fx = F
x, dengan Fx adalah fungsi distribusi frekuensi hasil pengamatan, dan F
x adalah distribusi frekuensi harapan teoritis dalam artian residual berdistribusi normal.
H
1
: Fx ? F x atau distribusi residual tidak normal
Pengambilan keputusan berdasarkan nilai probabilitas dengan nilai tingkat kepercayan 95 a = 0,05 :
Jika probabilitas 0,05 , maka H tidak ditolak diterima
Jika probabilitas 0,05 , maka H ditolak
Hasil uji normalitas pada data residual, berdasarkan uji
Kolmogorov-Smirnov diperoleh angka probabilitas sebesar 0.242
dengan menggunakan taraf signifikansi alpha 5 atau 0.05, maka lebih besar dari 0.05. Dengan demikian maka H
tidak ditolak atau diterima, sehingga dapat disimpulkan bahwa data berdistribusi normal.
b. Uji Heteroskedastisitas
Untuk mengetahui ada tidaknya heteroskedasitas, dapat dilakukan dengan melihat grafik Normal P-P Plot dan grafik scatter
plot. Jika pada grafik normal P-P Plot titik-titik menyebar mengelilingi garis diagonal, maka pengujian ini bebas dari heteroskedasitas dan
sebaliknya jika titik-titik pada grafik tidak mengelilingi garis diagonal atau berada jauh dari garis diagonal maka diindikasikan adanya
heteroskedasitas. Sedangkan pada grafik scatter plot, jika pada grafik
71 tersebut ada pola tertentu seperti titik-titik membentuk pola teratur
bergelombang, melebar, dan menyempit maka diindikasikan telah terjadi heteroskedasitas dan jika tidak ada pola yang jelas serta titik-
titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedasitas. Singgih Santoso, 2004:208
Gambar 4.3 Scatter Plot
Dari grafik scatter plot terlihat bahwa titik-titik dari data menyebar secara acak serta tersebar baik di atas maupun di bawah
angka nol pada sumbu Y dan tidak membentuk suatu pola tertentu. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi atau data bersifat homoskedastisitas, sehingga model regresi layak digunakan untuk menganalisis ROA yang diukur dari
beberapa faktor.
72
Coefficients
a
.998 1.002
.928 1.077
.919 1.088
.888 1.126
.989 1.011
Sales Growth Ratio Financial Debt Ratio
Fixed Financial Assets Ratio Inventory Turnover
Receivable Turnover Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: ROA a.
c. Uji Multikolinearitas
Tabel 4.9 Uji Multikolinieritas
Berdasarkan nilai VIF dan Tolerance pada tabel 4.9 dapat dilihat bahwa variabel independen sales growth ratio, financial debt ratio,
fixed financial assets ratio, inventories turnover dan receivable turnover memiliki nilai VIF terletak di sekitar angka 1, yang berarti
model tidak mempunyai kolinearitas antar variabel independennya. Selanjutnya dapat dilihat juga nilai tolerance yang mendekati angka 1,
yang berarti variabel independen dinyatakan tidak multikolinearitas. Sebab jika nilai TOL 0.1 berarti variabel independen mempunyai
kolerasi yang sempurna.
d. Uji Autokolerasi
