2. Variabel NPL memiliki jumlah sampel N sebanyak 30, dengan nilai minimum 0,0015 nilai maksimum 0,0330. Rata-rata NPL yang diteliti
adalah 0,018063. 3. Variabel ROA memiliki jumlah sampel N sebanyak 30, dengan nilai
minimum 0.0147, nilai maksimum 0,0493. Rata-rata nilai ROA yang diteliti adalah 0,027373.
4. Variabel LDR memiliki jumlah sampel N sebanyak 30, dengan nilai minimum 0,5030, nilai maksimum 1,0842. Rata-rata LDR yang diteliti
adalah 0,809427. 5. Variabel Tingkat Penyaluran Kredit TPK memiliki jumlah sampel N
sebanyak 30, dengan nilai minimum 39.967, nilai maksimum 283.832. Rata-rata TPK yang diteliti adalah 116.526,37.
4.1.3 Pengujian Asumsi Klasik
Suatu model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi uji asumsi klasik. Pengujian asumsi klasik
dalam penelitian ini mencakup uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas, dan uji autokorelasi.
4.1.3.1 Uji Normalitas
Pengujian tahap awal yang dilakukan dalam metode penelitian analisis data. Melalui pengujian ini, dapat diambil tindak lanjut untuk
menggunakan statistik parametrik atau tidak .
Menurut Gozali 2005:110
Universitas Sumatera Utara
“tujuan uji normalitas adalah untuk mengujii apakah variabel independen dan variabel dependen berdistribusi normal”. Data yang baik dan layak
digunakan dalam penelitian adalah data yang memiliki distribusi normal. Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada
dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik
atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi
normal, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Hasil uji normalitas data dalam penelitian ini menunjukkan bahwa variabel independen dan variabel dependen berdistribusi normal. Hal ini
dapat dilihat dari grafik histogram dan normal probability plot yang ditunjukkan pada gambar 4.1 dan 4.2 berikut.
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
Sumber : Output SPSS, diolah penulis, 2013
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang
menunjukkan distribusi data mengikuti garis diagonal yang tidak cenderung skewness kiri maupun cenderung ke kanan. Hal ini juga
didukung dengan hasil uji normalitas dengan menggunakan grafik plot sebagai berikut:
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber : Output SPSS, diolah penulis, 2013
Dari grafik normal probability plot menggambarkan titik-titik yang menyebar mendekati garis diagonal,sehingga data dikatakan normal.
Menurut Bhuono 2005 suatu variabel dikatakan normal jika gambar distribusi dengan titik-titik data yang menyebar di sekitar garis diagonal,
dan penyebaran titik-titik data searah mengikuti garis diagonal. Pada grafik PP Plots di atas terlihat titik-titik menyebar di sekitarmengikuti
garis diagonal, yang menunjukkan bahwa data berdistribusi normal. Kedua grafik ini menunjukkan bahwa model regresi layak digunakan karena
memenuhi uji normalitas data.
Universitas Sumatera Utara
Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov–
Smirnov. Jika nilai signifikansi lebih besar dari 0.05, maka data residual berdistribusi normal. Namun, jika nilai signifikansi lebih kecil dari 0.05,
maka data residual tidak berdistribusi normal. Berikut ini uji Kolmogorov Smirnov dapat dilihat pada tabel.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
CAR NPL
ROA LDR
TPK N
30 30
30 30
30 Normal Parameters
a,,b
Mean .152000
.018063 .027373
.809427 116526.37
Std. Deviation .0229414
.0094767 .0094501
.1417067 73986.709
Most Extreme Differences Absolute
.184 .139
.117 .089
.187 Positive
.184 .125
.117 .064
.187 Negative
-.112 -.139
-.090 -.089
-.150 Kolmogorov-Smirnov Z
1.009 .763
.639 .488
1.027 Asymp. Sig. 2-tailed
.261 .605
.809 .971
.242
Sumber : Output SPSS, diolah penulis, 2013
a.Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Dari hasil uji Kolmogorov Smirnov, dapat dilihat bahwa p-value pada kolom Asimp. Sig2-tailed memiliki nilai-nilai diatas nilai ini 0.05 level of
significant. Hal ini menunjukkan bahwa residual terdistribusi normal.
4.1.3.2 Uji Multikolinearitas