Daerah penolakan hipotesis atau residual dikatakan tidak berdistribusi normal adalah jika nilai kolgomorov-
smirnov KS KS
1- α
pada sejumlah pengamatan n tertentu dan jika p-value
α apabila statistik kolgomorov-smirnov
dikonversikan kedalam p-value Iriawan dan Astuti dalam Rohaeni, 2009. Plot distribusi
normal residual ditunjukkan pada Gambar 20. Uji kolgomorov-smirnov dilakukan menggunakan
α sebesar 5persen. Nilai Statistik KS
1- α
untuk α = 0,05 dan
jumlah pengamatan sebanyak 9 pengamatan adalah 0,430. Dari Gambar 20 diketahui bahwa nilai statistik
kolgomorov-smirnov KS adalah 0,240 nilai KS tabel
yaitu 0,430 dan p-value memiliki nilai 0,139 dimana nilai tersebut lebih besar dari
α yang bernilai 0,05, sehingga dapat disimpulkan bahwa residual model
regresi yang dibuat telah memenuhi asumsi kenormalan.
RESI 2 P
e rc
e n
t
1,0 0,5
0,0 -0,5
-1,0
99 95
90 80
70 60
50 40
30 20
10 5
1 Mean
0,139 - 9,86865E- 15
StDev 0,4066
N 9
KS 0,240
P- Value
Pr obability Plot of RESI 2
Normal
Gambar 20. Uji normallitas residual pada regresi Bank X KCP, data diolah
b. Uji Heteroskedastisitas
Pengujian heteroskedastisitas bertujuan untuk melihat varian dari variabel independen apakah memiliki
nilai yang sama homoskedastisitas atau berbeda. Asumsi pada model regresi adalah varian setiap variabel
independen mempunyai nilai yang konstan atau memiliki
varian yang sama. Masalah heteroskedastisitas umumnya terjadi pada data cross Sectional. Konsekuensi dari
adanya heteroskedastisitas adalah kemungkinan untuk mengambil kesimpulan yang salah dalam uji F dan uji t
karena pengujian tingkat signifikansi yang kurang kuat Gujarati dalam Rismayanti, 2009. Output uji
heteroskedastisitas ditunjukkan oleh Gambar 21.
Fit t ed Value R
e s
id u
a l
22,0 21,5
21,0 20,5
20,0 19,5
0,50 0,25
0,00 -0,25
-0,50 -0,75
Residuals Versus the Fitted Values
response is Laba
Gambar 21. Output uji heteroskedastisitas Bank X KCP, data diolah
Plot residual dalam gambar di atas menunjukkan bahwa titik yang ada tidak membentuk
pola tertentu, melainkan menyebar di atas dan di bawah angka 0 pada sumbu Y. Dengan demikian, dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas.
c. Uji Autokorelasi
Autokorelasi merupakan gejala adanya korelasi antar anggota serangkaian observasi yang diurutkan
melalui deret waktu time series. Model regresi yang baik tidak memperkenalkan terjadinya autokorelasi.
Akibat dari adanya autokorelasi adalah varian residual yang diperolah akan lebih daripada yang semestinya
sehingga mengakibatkan koefisien determinasi menjadi lebih tinggi. Selain itu, autokorelasi menyebabkan