44
Histogram
Sumber : Output SPSS, diolah penulis, 2012. Pada gambar 4.1 grafik histogram di atas terlihat bahwa variabel Return
On Asset berdistribusi normal. Hal ini ditunjukkan oleh data tersebut tidak
menceng ke kiri atau menceng ke kanan.
Gambar 4.2 Grafik normal P-Plot
Sumber : Output SPSS, diolah penulis, 2012. Grafik normal p-p plot pada gambar 4.2 menunjukkan bahwa data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Berdasarkan hal ini dapat disimpulkan bahwa data berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
45
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Situmorang et al, 2008:65.
Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas pada suatu model regresi dapat dilihat dari pola gambar scatterplot model regresi tersebut.
Analisis terhadap gambar scatterplot yang menyatakan bahwa suatu model regresi tidak terdapat heteroskedastisitas apabila titik-titik data menyebar di atas dan
dibawah atau di sekitar angka 0 serta penyebaran titik-titik data tersebut tidak berpola. Berikut ini adalah gambar scatterplot untuk model regresi dalam
penelitian ini.
Gambar 4.3 Scatterplot
Sumber : Output SPSS, diolah penulis, 2012
46
4.3.3 Uji Autokorelasi
Dalam uji autokolerasi ini kita dapat menguji apakah dalam model regresi linier ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan-
kesalahan pengganggu pada periode sebelumnya. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat.
Sehingga model regresi yang baik adalah model regresi yang bebas autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi
adalah dengan melakukan pengujian Durbin-Watson D-W. Hasil uji Durbin- Watson
ditunjukkan pada tabel berikut ini :
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .102
a
.010 -.007
.10658 1.640
a. Predictors: Constant, PerputaranPersedian b. Dependent Variable: ROA
Sumber : Output SPSS, diolah penulis, 2012 Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1 Nilai D-W lebih besar dari 0 dan lebih kecil dari dl maka tidak ada autokorelsi positif
2 Nilai D-W lebih besar dari 4-dl dan lebih kecil dari 4 maka ada autokorelsi positif
3 Nilai D-W lebih besar du dan lebih dari 4-du maka tidak ada korelasi negative, tidak ada autokorelasi positif atau negative.
Dari hasil tabel 4.4 diatas diketahui bahwa nilai nilai D-W adalah :
47
1.61621.6402.3838 yang berarti termasuk pada kriteria ketiga, sehingga dapat disimpulkan bahwa model regresi bebas dari masalah autokorelasi.
4.4 Pengujian Hipotesis