2.2.5.3 Uji Heteroskedastisitas
“Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residupengamatan yang lain tetap,
maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedasrisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heterokedastisitas,” Ghozali, 2013:139.
Gambar 4.3 Diagram Heterokedastisitas
Sumber : Output SPSS 20, data sekunder yang diolah, 2015
Salah satu cara untuk mendeteksi adanya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel independen ZPRED
dengan residunya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized
Ghozali, 2013:139. Dari gambar 4.1 di atas, terlihat titik-titik menyebar secara acak serta
tersebar di atas maupun dibawah angaka 0 pada sumbu Y, tidak ada pola tertentu yang teratur. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi.
2.2.5.4 Uji Autokorelasi
“Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu periode t dengan kesalahan
periode t-1 atau sebelumnya,” Ghozali, 2013:110. Untuk mendeteksi ada atau tidaknya gejala autokorelasi dilakukan dengan membandingkan nilai statistik
hitung Durbin Watson D-W pada perhitungan regresi dengan data statistik pada tabel Durbin Watson.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .388
a
.150 .123
.009018 .633
Predictors: constant, KAP, TSB, LDR Dependent: ROA
Sumber : Output SPSS 20, data sekunder yang diolah, 2015
Dengan nilai tabel pada tingkat signifikansi 5, jumlah sampel 96 n dan jumlah variabel independen 3 k=3, maka di tabel Durbin Watson didapatkan
nilai batas atas du dan batas bawah dl. Karena nilai DW 0,633 lebih kecil dari batas atas du 1,613 dan kurang dari 3 - 1,613 4 – du, maka dapat disimpulkan
bahwa tidak terdapat autokorelasi.
4.1.3 Persamaan Regresi Linear Berganda