Uji Normalitas Uji Heterokedastisitas

lv 2. Nilai rata-rata dari LnROE adalah -1,7073 dengan standard deviasi 0,84073 dan jumlah data yang ada adalah 45. Nilai tertinggi LnROE adalah 0,48 dan nilai terendah adalah -3,51. 3. Nilai rata-rata dari LnX1 working capital adalah 13,0224 dengan standard deviasi 2,27527 dan jumlah data yang ada adalah 45. Nilai tertinggi LnX1 working capital adalah 16,64 dan nilai terendah adalah 8,94.

4.2.2 Analisis Uji Asumsi Klasik

4.2.2.1 Uji Normalitas

Pada dasarnya normalitas sebuah data dapat dikenali atau dideteksi dengan persebaran data titik pada sumbu diagonal dari grafik histogram dari residualnya. Data dikatan berdistribusi normal jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya. Sebaliknya data dikatakan tidak berdistribusi normal jika data menyebar jauh dari arah garis diagonal atau tidak mengikuti arah garis diagonalnya. Berdasarkan grafik P-Plot dibawah tampak bahwa titik tersebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Dan grafik histogramnya menunjukkan bahwa polygon kecenderungan tidak melenceng ke kiri maupun ke kanan. Dengan demikian dapat disimpulkan bahwa data yang digunakan dalam penelitian adalah data berdistribusi normal. Hasil pengujian data model regresi ditunjukkan pada grafik normal P- Plot dan grafik histogram dibawah ini: lvi

1. Return on Asset ROA

Grafik 4.1 Histogram Dependent Variable: LnROA Grafik 4.2 Normal P-Plot Dependent Variable LnROA lvii 1. Return on Equity ROE Grafik 4.3 Histogram Dependent Variable: LnROE Grafik 4.4 Normal P-Plot Dependent Variable: LnROE lviii

4.2.2.2 Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar grafik Scatterplot dimana model regresi linear tidak terdapat heterokedastisitas apabila : 1. titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0 2. titik-titik data tidak mengumpul hanya di atas atau di bawah saja 3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.

1. Return on Asset ROA

Grafik 4.5 Scatter Plot Dependet Variable: LnROA lix

2. Return on Equity ROE

Grafik 4.6 Scatter Plot Dependent Variable: LnROE Berdasarkan kedua grafik di atas tampak bahwa titik-titik tersebar di sekitar titik nol dan tidak membentuk pola tertentu. Hal tersebut menunjukkan bahwa tidak terdapat unsur heterokedastisitas dari data.

4.2.2.3 Uji Autokolerasi