Sumber : Output SPSS, diolah Penulis, 2013
Gambar 4.2 Grafik Normal
P-plot
Berdasarkan grafik normal p-plot di atas terlihat bahwa data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi telah
memenuhi asumsi nomalitas.
4.3.2 Uji Multikolinearitas
Uji multikolinearitas ini diperlukan karena untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain
dalam satu model Lubis, dkk, 2007:32. Jika pada model regresi terjadi
Universitas Sumatera Utara
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada
tidaknya multikolinearitas adalah dengan melihat tolerance value dan VIF. Menurut Lubis dkk 2007:32 “ketentuan untuk mendeteksi ada tidaknya
multikolinieritas yaitu jika nilai variance inflation faktor VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari
multikolinearitas VIF = 1Tolerance, jika VIF = 0 maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah Tolerance.
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber: Output SPSS, diolah Penulis 2013 Hasil uji multikolinieritas terdapat pada tabel 4.3 menunjukkan bahwa tidak
ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti bahwa tidak ada korelasi antar variabel independen yang nilainya lebih besar dari
95.
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant CAR
,807 1,240
NPL ,809
1,236 ROA
,543 1,842
ROE ,731
1,368 NIM
,593 1,688
BOPO ,889
1,125 LDR
,687 1,456
a. Dependent Variable: PL
Universitas Sumatera Utara
Hasil perhitungan untuk Variance Inflation Factor VIF juga menunjukkan hal yang sama bahwa tidak ada variabel independen yang memiliki nilai VIF lebih
dari 10. Dengan demikian, dapat disimpulkan bahwa tidak ada multikolinearitas yang terjadi antar variabel independen dalam model regresi.
4.3.3 Uji Heteroskedasitisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain dalam model regresi.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homokedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur.
Menurut Lubis dkk 2007:34, cara memprediksinya jika pola gambar
Scatterplot model tersebut yaitu :
1 Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0.
2 Titik-titik data tidak mengumpul hanya diatas atau dibawah saja.
3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali. 4
Penyebaran titik-titik data sebaiknya tidak berpola. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar 4.3 dibawah ini:
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2011
Gambar 4.3 Grafik Scatterplot
Dari gambar 4.3 grafik scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak
dipakai untuk memprediksi variabel dependen Pertumbuhan Laba PL berdasarkan masukan variabel independen yang terdiri dari CAR, NPL, ROA, ROE, NIM,
BOPO dan LDR.
Universitas Sumatera Utara
4.3.4 Uji Autokorelasi