Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng tidak menceng ke kanan ataupun
ke kiri. Hal ini menunjukkan bahwa data terdistribusi secara normal.
Gambar 4.2 Uji Normalitas setelah transformasi
Sumber: Lampiran vi
Pada grafik P-P Plot pada gambar 4.2 diatas terlihat titik-titik menyebar di sekitar garis diagonal dan penyebarannya mendekati garis diagonal sehingga dapat
disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinieritas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Deteksi dilakukan dengan melihat nilai VIF
Variable Inflation Factor dan toleransi. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1tolerance. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.01
Universitas Sumatera Utara
atau sama dengan VIF5. Nilai VIF dan toleransi dari variabel-variabel penelitian
dapat dilihat pada tabel berikut: Tabel 4.7
Uji Multikolineritas Setelah Transformasi Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolera nce
VIF 1
Constant -.892
.693 -.1287 .202
LN_LABA_BERSIH .420
.077 .452
5.450 .000 .356
2.813 N_ARUS_KAS_OPER
ASI .551
.093 .491
5.926 .000 .356
2.813 a. Dependent Variable: LN_DIVIDEN_KAS
Sumber: Diolah dari SPSS,2011 Berdasarkan tabel 4.7 diatas dapat dilihat bahwa tidak ada satupun variabel
bebas yang memiliki nilai VIF lebih dari 5 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari
adanya multikolinearitas. Dari hasil uji ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
c. Hasil Uji Heteroskedastisitas
Uji Heteroskesdastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Ghozali
2005:105 Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedasitas. Cara mendeteksi ada tidaknya gejala heterokedasitas adalah
dengan melihat grafik scatterplott yang dihasilkan dari pengolahan data
Universitas Sumatera Utara
menggunakan program SPSS 16. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas. b.
Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y, maka tidak heterokedasitas
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik yang menyebar di atas dan dibawah angka 0 pada
sumbu Y serta tidak membentuk pola maka tidak terjadi heteroskesdastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot Setelah Tranformasi
Sumber: Lampiran vii
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak
dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.
Universitas Sumatera Utara
d. Uji Autokorelasi
