78
kekanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu syarat uji normalitas data bahwa
data berdistribusi normal.
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.2 Grafik Histogram
Dari Gambar 4.2 dapat diketahui bahwa grafik memiliki pola distribusi normal karena berbentuk simetris tidak melenceng ke kiri maupun ke kanan. Dengan
demikian dari semua uji yang telah dilakukan dapat disimpulkan bahwa data berdistribusi normal.
4.2.2.2 Uji Multikoloniearitas
Uji Multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Dalam penelitian ini uji
Multikoloniearitas dapat dilihat dari nilai tolerance dan variance inflation factor
Universitas Sumatera Utara
79
Standardize d
Coefficients B
Std. Error Beta
Tolerance VIF
Constant -2.426
19.027 -.127
.899 NPL
-.214 2.441
-.008 -.088
.930 .917
1.090 ROA
12.353 4.069
.354 3.036
.003 .602
1.661 NIM
2.024 1.882
.125 1.075
.285 .601
1.663 CAR
-2.187 .681
-.301 -3.210
.002 .930
1.075 1
a. Dependent Variable: Pertumbuhan_Laba
Coefficients
a
Model Unstandardized
Coefficients t
Sig. Collinearity Statistics
VIF Ghozali, 2013:105. Multikoloniearitas tidak terjadi jika VIF 10 dan nilai tolerance 0,10.
Tabel 4.3 Hasil Uji Multikoloniearitas
Sumber: Hasil Penelitian, 2015 Data Diolah Dapat dilihat pada Tabel 4.3 hasil perhitungan tolerance menunjukkan tidak
ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antara variabel independen. Hasil perhitungan nilai variance
Inflation Factor VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada
multikoloniearitas antar variabel independen dalam model regresi.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode
t-1
sebelumnya. Menurut Ghozali 2013:110 untuk mendeteksi ada atau tidaknya autokorelasi dapat menggunakan uji Durbin-Watson DW test.
Universitas Sumatera Utara
80
R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-
Watson 1
.472
a
.223 .190
31.48891 1.692
Model Summary
b
Model a. Predictors: Constant, CAR, NPL, ROA, NIM
b. Dependent Variable: Pertumbuhan_Laba
Tabel 4.4 Hasil Uji
Durbin-Watson
Sumber: Hasil Penelitian, 2015 Data Diolah Berdasarkan uji autokorelasi pada Tabel 4.4 menunjukkan bahwa nilai
Durbin-Watson sebesar 1,692. Nilai d dibandingkan dengan nilai dl dan du pada n =100 dan k = 4 sehingga diperoleh nilai dl sebesar 1,613 dan du sebesar 1,736 Hal ini
sesuai dengan ketentuan dl ≤ d ≤ du, yaitu 1,613 1,692 1,736 yang menunjukkan bahwa tidak ada autokorelasi positif, sehingga dapat disimpulkan bahwa analisis
regresi no decision. Sehingga digunakanlah Uji Runs test sebagai bagian dari statistik non-
parametik yang dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi atau tidak. Run test digunakan untuk melihat apakah residual
terjadi secara random atau acak. Ho : Residual Random acak
H
1
: Residual Tidak Random
Universitas Sumatera Utara
81
Tabel 4.5 Hasil Uji
Runs Test
Runs Test
Unstandardized Residual
Test Value
a
.97585 Cases Test Value
50 Cases = Test Value
50 Total Cases
100 Number of Runs
39 Z
-2.412 Asymp. Sig. 2-tailed
.116 a. Median
Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarka Hasil uji run test pada Tabel 4.5 menunjukkan bahwa nilai Asymp. Sig 2-tailed 0,05 yang berarti Hipotesis nol gagal ditolak. Dengan
demikian, data yang dipergunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.
4.2.2.4 Uji Heterokedastisitas