Gambar. 4.1 P-Plot Uji Normalitas dengan Variabel Terikat ROE
Berdasarkan Gambar 4.1, diketahui bahwa titik data mengikuti garis diagonal P-Plot. Hal itu menunjukkan bahwa data berditribusi normal.
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas yang
didasarkan dengan uji statistik non-parametrik Kolmogorv Smirnov K-S.
Tabel 4.5 Hasil Uji Normalitas dengan Variabel Terikat ROE
Unstandardized Residual N
32 Normal
Param eters
a
Mean .0000000
Std. Deviation 16.09502020
Most Extrem
e Differe
nces Absolute
.124 Positive
.124 Negative
-.089 Kolmogorov-Smirnov Z
.701 Asymp. Sig. 2-tailed
.710
a. Test distribution is Normal. Sumber : Hasil Penelitian, 2011 Data Diolah
Berdasarkan Tabel 4.5 dapat diketahui bahwa nilai Asymp.Sig. 2- tailedadalah 0.682, ini berarti di atas nilai signifikan 5. Oleh karena itu, sesuai
dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik Kolmogorv Smirnov K-S juga menyatakan bahwa variabel residual berdistribusi
normal.
b. Uji Heteroskedastisitas
Universitas Sumatera Utara
Uji Heteroskedastisitas dilakukan untuk mengetahui apakah dalam sbuah model regresi terjadi ketidaksamaan varians dari residual atau suatu pengamatan
ke pengamatan lain. Untuk mengetahui apakah terjadi atau tidak terjadinya heteroskedastisitas dalam model regresi penelitian ini, analisis yang digunakan
yaitu dengan metode informal yaitu grafik Scatterplott sebagai berikut :
Sumber : Hasil Penelitian, 2011 Data Diolah
Gambar 4.2 Scatterplot Uji Heteroskedastisitas dengan Variabel Terikat ROE
Pada Gambar 4.2 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas diatas maupun dibawah angkan nol pada sumbu Y.
Oleh karena itu, berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
Selain dengan metode menggunakan Scatterplot, deteksi heteroskedastisitas dapat juga dilakukan dengan uji Park. Kriteria pengambilan keputusan dengan uji
heteroskedastisitas denganuji Park sebagai berikut: a.
Jika nilai signifikansi 0,05 maka tidak mengalami gangguan heteroskedastisitas
b. Jika nilai signifikansi 0,05 maka mengalami gangguan heteroskedastisitas
Tabel 4.6 Hasil Uji Heteroskedastisitas DenganVariabel Terikat ROE
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
3.274 .862
3.798 .001
DEBT TO EQUITY RATIO .002
.003 .096
.528 .602
DEBT TO ASSETS RATIO .015
.015 .180
.992 .330
a. Dependent Variable: LnU2i
Sumber : Hasil Penelitian, 2011 Data Diolah
Melalui Tabel 4.6 diatas, dapat dilihat bahwa variabel bebas DER maupun DAR memiliki sig. 0,05 terhadap variabel terikat ROE. Hal ini berarti data tidak
terkena heteroskedastisitas.
c. Uji Autokorelasi
Uji ini digunakan untuk mengetahui apakah model regresi linier terdapat hubungan yang kuat baik positif maupun negatif antar data yang ada pada
variabel-variabel pada penelitian Model regresi yang baik adalah regresi yang yang bebas dari autokorelasi. Sehingga dengan demikian dapat dikatakan bahwa
autokorelasi terjadi apabila observasi yang berturut-turut sepanjang waktu mempunyai korelasi antara satu dengan yang lainnya. Dalam penelitian ini
Universitas Sumatera Utara
digunakan Metode The Breusch-Godfrey BG Test untuk melihat apakah model regeresi layak dikatakan bebas dari autokorelasi. Kriteria pengambilan keputusan
adalah dengan melihat apakah koefisien parameter untuk variable auto lag
menunjukkan probabilitas signifikan diatas 0,05 5. Tabel 4.7
Hasil Uji Autokorelasi Dengan Variabel Terikat ROE
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-4.240 7.401
-.573 .571
DEBT TO EQUITY RATIO .008
.024 .063
.335 .740
DEBT TO ASSETS RATIO .073
.131 .108
.557 .582
auto .317
.211 .294
1.502 .145
a. Dependent Variable: Unstandardized Residual
Sumber : Hasil Penelitian, 2011 Data Diolah
Pada tampilan output, Tabel 4.7dapat dilihat bahwa koefisien parameter untuk variable auto Lag, menunjukkan probabilitas signifikan 0,145 atau diatas
0,05. Ini berarti data tidak terkena autokorelasi.
d. Uji Multikolinearitas
