Gambar 4.2 Grafik Normal P-Plot
Sumber: Data yang diolah penulis, 2009 Pada grafik normal P-Plot terlihat bahwa model regresi telah
memenuhi asumsi normalitas.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi
dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi
Universitas Sumatera Utara
heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar di atas dan di bawah angka
nol pada sumbu Y. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah
terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber: Data yang diolah penulis, 2009
Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y,
Universitas Sumatera Utara
sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi
ROA pada perusahaan manufaktur sektor industri barang konsumsi dengan variabel independen perputaran piutang.
3. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu
pada data yang tersusun, baik berupa data cross sectional dan atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien
korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW.
Dalam model regresi tidak terjadi autokorelasi apabila nilai duw4-du. Tabel 4-8 menyajikan hasil uji Durbin Watson dengan menggunakan
SPSS versi 16.
Tabel 4-8 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .234
a
.055 .044
1.35664 1.900
Sumber: Data yang diolah penulis, 2009
Universitas Sumatera Utara
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson Dw sebesar 1.900, nilai ini akan kita bandingkan dengan nilai
tabel dengan menggunakan signifikansi 5, jumlah sampel n = 99, dan jumlah variabel independen k = 1, maka berdasarkan tabel Durbin
Watson didapat nilai batas atas du sebesar 1,676 dan nilai batas bawah dl sebesar 1,629. Oleh karena itu, nilai Dw lebih besar dari 1,676 dan
lebih kecil dari 4 – 1,676 atau dapat dinyatakan bahwa 1,676 1.900 4 – 1,676 du d 4 – du. Dengan demikian dapat disimpulkan tidak
terdapat autokorelasi baik positif maupun negatif.
D. Analisis Regresi
