dapat dilihat dari grafik normal probability plot pada gambar dibawah ini.
Gambar 4.2 Uji normalitas Normal Probability Plot
Sumber : output SPSS Pola titik-titik pada normal probability plot gambar 4.2 mengikuti
data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal karena mengikuti
garis diagonal. Padahal belum tentu data tersebut berdistribusi normal.
4.2.2.2. Uji Multikolinieritas
Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki hubungan yang kuat dengan variabel independen lain
Universitas Sumatera Utara
dalam model regresi, agar pengambilan keputusan pengaruh pada uji parsial masing-masing variabel independen tidak bias.
Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Inflation Factor VIF dan korelasi diantara variabel
independen. Jika nilai VIF 10 atau nilai tolerance 0,10, maka tidak terjadi multikolonearitas.
Tabel 4.4 Hasil uji multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
CR .813
1.229 ROI
.750 1.333
TATO .630
1.587 EPS
.978 1.023
a. dependent variable: Cash Devidend Sumber : output SPSS
Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antara variabel independen yang
diindikasikan dari nilai tolerance setiap variabel 0,1. nilai VIF kelima variabel independen 10 maka dapat disimpulkan bahwa analisis lebih
lanjut dapat dilakukan.
4.2.2.3. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
Universitas Sumatera Utara
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang terartur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas 2.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas atau terjadi homoskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Scatterplot
Sumber: output SPSS
Universitas Sumatera Utara
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y dan berada disekitar angka 0, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas
pada model regresi, sehingga model regresi layak dipakai untuk memprediksi cash devidend berdasarkan masukan variabel
independennya.
4.2.2.4. Uji Autokorelasi
