dilakukan dengan analisis regresi setelah terlebih dahulu dilakukan pengujian asumsi klasik.
3.6.1 Pengujian Asumsi Klasik
3.6.1.1 Uji Normalitas Data
Tujuan uji normalitas menurut Erlina 2008:102 adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi
normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji analisis statistik.
1. Analisis grafik Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik dan dengan melihat histogram dari residualnya. Dasar pengambilan kesimpulan sebagaimana
dikemukakan Ghozali 2005:112: a Jika data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
b Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
2. Analisis statistik Untuk menentukan uji ini didasarkan kepada Kolmogorov-Smirnov
Goodness of Fit Test terhadap model yang diuji. Pedoman untuk pengambilan keputusannya didasarkan sebagaimana diungkapkan Ghozali
2005:114 “Apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data normal. Apabila nilai signifikansi atau nilai probabilitas
0,05, maka distribusi data tidak normal.”
3.6.1.2 Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah antar variabel independen mengandung korelasi atau tidak. Hasil pengujian multikolinieritas
dapat dilihat berdasarkan nilai Variance Inflation Factor VIF. Dasar pengambilan keputusan:
1 VIF 10 Antar variabel independen EPS, NPM, ROA dan ROE terjadi korelasimultikolinieritas.
2 VIF 10 Antar variabel independen EPS, NPM, ROA dan ROE tidak terjadi korelasimultikolinieritas.
3.6.1.3 Uji Heteroskedastisitas
Tujuan dari pengujian heterokedasitas ini adalah untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari
suatu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan yang lainnya tetap, maka disebut homoskedastitas
Universitas Sumatera Utara
Erlina, 2008. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya jika varians berbeda, maka
disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dilakukan karena kebanyakan data
crosssection mengandung situasi heteroskedastisitas karena data ini
menghimpun data yang mewakili berbagai ukuran. Untuk melihat ada tidaknya heteroskedastisitas dilakukan dengan
mengamati Grafik scatterplot antara nilai prediksi variabel terikat dengan residualnya. Deteksi ada tidaknya heterokedastisitas dilakukan dengan melihat
ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2. jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali,
2005:105.
3.6.1.4 Uji Auto Korelasi