52
2. Nilai signifikan atau probabilitas 0,05 maka distribusi data adalah normal. Hasil dari uji normalitas dengan menggunakan tes Kolmogorov-Smirnov
ditunjukkan oleh tabel 4.2 berikut :
Tabel 4.2 Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
CAR KA
NIM BOPO
ROE N
39 39
39 39
39 Normal Parameters
a,b
Mean .159333
.241738 .053982
.776826 .21292
1 Std.
Deviation .037366
3 .1157543 .0175525 .0986167
.10581 10
Most Extreme Differences Absolute
.131 .092
.165 .135
.109 Positive
.131 .088
.165 .067
.109 Negative
-.101 -.092
-.101 -.135
-.052 Kolmogorov-Smirnov Z
.821 .577
1.031 .840
.680 Asymp. Sig. 2-tailed
.511 .894
.238 .480
.744 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Diolah dengan SPSS, 2013
Dari tabel diatas, besarnya nilai Kolmogorov-Smirnov antara lain
0,821; 0,577; 1,031; 0,84 dan 0,6
sedangkan nilai signifikansi antara lain 0,511; 0,894; 0,238; 0,48 dan 0,744
. Nilai-nilai ini lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data terdistribusi secara normal.
4.3.2 Uji Multikolinearitas
53
Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang
masih dapat ditolerir yaitu : tolerance 0,10 dan VIF Variance Inflation Factor 10. Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan
hasil seperti pada tabel 4.3 berikut:
Tabel 4.3 Uji Multikolinearitas
������������
�
Model Unstandardized
Coefficients Sig.
Collinearity Statistics B
Std. Error
Tolerance VIF
1 Constant
.541 .148
.001 CAR
-1.682 .497
.002 .513
1.948 KA
.105 .154
.500 .556
1.797 NIM
1.593 .896
.084 .716
1.397 BOPO
-.221 .163
.183 .687
1.455 α Dependend Variable: ROE
Sumber : Diolah dengan SPSS, 2013
Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan
VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,10. Untuk CAR memiliki nilai
54
tolerance 0,513; KA memiliki nilai tolerance 0,556; NIM memiliki nilai tolerance 0,716; BOPO memiliki nilai tolerance 0,687. Jika dilihat dari VIF, masing-masing
variabel independen lebih kecil dari 10 yaitu CAR memiliki VIF 1,948; KA memiliki VIF 1,797; NIM memiliki VIF 1,397; BOPO memiliki VIF 1,455.
Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan
lain. Pengujian heteroskedastisitas pada penelitian ini menggunakan dasar analitis sebagai berikut :
a. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi heteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukan pada gambar 4.3 berikut ini :
55
Gambar 4.3 Grafik
Scatterplot
Dari grafik scatterplot diatas terlihat bahwa titik-titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y tidak membentuk pola
tertentu atau tidak teratur. Titik-titik yang menyebar menjauh dari titik-titik yang lain mengindikasikan bahwa adanya data observasi yang sangat berbeda dengan
data penelitian lainnya. Maka dapat di simpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini sehingga model ini layak untuk
digunakan untuk melihat pengaruh CAR, KA, NIM, BOPO terhadap profitabilitas perusahaan perbankan yang terdaftar di BEI.
56
4.3.4 Uji Autokorelasi
