50 Berdasarkan grafik histogram di atas, dapat dilihat bahwa kurva
menyerupai bentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung seimbang baik dari sisi kiri maupun dari sisi kanan. Hal ini
menunjukkan bahwa data telah terdistribusi secara normal. Pada gambar 4.3, terlihat titik – titik menyebar disekitar garis diagonal serta
penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
4.1.2.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas dalam penelitian ini digunakan untuk mendeteksi ada tidaknya gejala heroskedastisitas yaitu dengan melihat grafik scatterplot
variabel dependen, yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan keputusannya adalah:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. b.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik Scatterplot ditunjukkan pada Gambar 4.5 dibawah ini:
Universitas Sumatera Utara
51
Gambar 4.5 Grafik Scatterplot
Sumber : Output SPSS, 2013
Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heterokedastisitas.
4.1.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Cara yang dapat digunakan
Universitas Sumatera Utara
52 untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji
Durbin Watson. Berikut ini merupakan hasil uji Durbin-Watson yang digunakan.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.485
a
.235 .173
2.10654 1.616
a. Predictors: Constant, LN_CAR, LN_LDR, LN_NPL, LN_BOPO b. Dependent Variable: LN_PERTUMBUHAN_LABA
Sumber : Output SPSS, 2013 Dari hasil uji autokorelasi Durbin – Watson maka diperoleh nilai DW
sebesar 1,616. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi .
4.1.2.5 Uji Multikolonieritas
