Pengujian Asumsi Klasik ANALISA DAN PEMBAHASAN

a. Heteroskedastisitas

Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. 5 Cara untuk mendeteksi ada atau tidaknya heterokedastisitas yaitu dengan melihat Grafik Plot dengan melihat ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu , seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. 6 5 Tony Wijaya, Analisis Data Penelitian Menggunakan SPSS, Yogyakarta: Universitas Atma Jaya, 2009, h. 124. 6 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program SPSS Semarang: Badan Penerbit Universitas Diponegoro, 2006, h. 125-126. Gambar 4.5 Grafik Scatterplot Regression Standardized Predicted Value 2 1 -1 -2 Regression St udent ized Residual 3 2 1 -1 -2 -3 Scatterplot Dependent Variable: ROA Sumber : Data diolah Berdasarkan hasil print out di atas, ternyata dari gambar scatter plot, plotnya titik-titiknya tidak membentuk pola, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Dengan demikian, data di atas tidak terdapat masalah heteroskedastisitas.

b. Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. 7 Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi diantaranya adalah dengan Uji Durbin- 7 Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, h. 95. Watson. Dengan berdasarkan ketentuan sebagai berikut : jika -2 DW +2 maka tidak ada autokorelasi. Sedangkan jika nilai angka berada pada DW -2 maka terjadi autokorelasi positif, sebaliknya jika nilai angka berada pada DW +2 maka terjadi autokorelasi negatif. 8 Tabel 4.9 Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .808a .653 .621 .11915 .506 a Predictors: Constant, Total Asset, FDR, Bagi Hasil b Dependent Variable: ROA Sumber : Data diolah Berdasarkan tabel di atas, nilai Durbin Watson yang diperoleh dari hasil analisis regresi sebesar 0.506. Hal ini menunjukkan bahwa angka DW terdapat diantara -2 DW +2. Dengan demikian, model regresi tidak terdapat masalah autokorelasi dan model ini layak untuk digunakan.

c. Multikolinearitas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi 8 Singgih Santoso, Latihan SPSS Statistik Parametrik, Jakarta: PT. Elex Media Komputindo, 2000, h. 218. antar sesama variabel independen sama dengan nol. 9 Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi antara lain dapat dilihat dari VIF Variance Inflation Factor. Ukuran ini menunjukkan setiap variabel dependen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregresi terhadap variabel independen lainnya. Nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai VIF ≥ 10. Tabel 4.10 Hasil Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standar dized Coeffici ents t Sig. 95 Confidence Interval for B Correlations Collinearity Statistics B Std. Error Beta Lower Bound Upper Bound Zero- order Partia l Part Toler ance VIF 1 Constant .989 .692 1.428 .163 -.422 2.399 FDR -.006 .005 -.163 -1.270 .213 -.015 .004 -.326 -.219 -.132 .656 1.524 Bagi Hasil .094 .033 .757 2.888 .007 .028 .161 .793 .455 .301 .158 6.337 Total Asset .006 .001 .001 .004 .997 -.001 .001 .648 .001 .000 .164 6.083 a Dependent Variable: ROA Sumber : Data diolah Berdasarkan tabel di atas, nilai VIF untuk FDR = 1.524, Bagi Hasil = 6.337 dan Total Asset = 6.083. Dengan demikian, tiga variabel di atas bebas dari masalah multikolinearitas dikarenakan nilai VIF pada ketiga variabel tersebut kurang dari 10 dalam model regresi tidak ditemukan adanya korelasi antar variabel bebas. 9 Tony Wijaya, Analisis Data Penelitian Menggunakan SPSS, h. 119.

d. Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau tidak, serta untuk mengetahui normal tidaknya suatu data sampel. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik. 10 Gambar 4.6 Hasil Uji Normalitas Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expected Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: ROA Sumber : Data diolah Berdasarkan hasil print out di atas, data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi tidak terdapat masalah normalitas dalam model regresi variabel dependen, variabel independen atau keduanya mempunyai distribusi normal, dan data sampelnya pun normal. 10 Tony Wijaya, Analisis Data Penelitian Menggunakan SPSS, h. 126.

D. Pengujian Hipotesis a.

Analisis Pengaruh FDR, Pendapatan Bagi Hasil dan Total asset terhadap Profitabilitas secara Simultan Uji F Uji F bertujuan untuk menguji semua variabel-variabel secara bersama-sama terhadap variabel tak bebas dependent variable. Tabel 4.11 Hasil Uji secara Simultan ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression .857 3 .286 20.113 .000a Residual .454 32 .014 Total 1.311 35 a Predictors: Constant, Total Asset, FDR, Bagi Hasil b Dependent Variable: ROA Sumber : Data diolah Dari hasil perhitungan SPSS, tingkat signifikansi pada tabel Anova diatas adalah 0,000. Jadi probabilitas 0,000 0,05 , maka H ditolak dan Ha diterima, dapat disimpulkan bahwa masing-masing variabel FDR X 1 , Pendapatan Bagi Hasil X 2 , dan Total Asset X 3 secara bersama-sama simultan berpengaruh secara signifikan terhadap ROA Y.

b. Analisis Pengaruh FDR, Pendapatan Bagi Hasil dan Total asset terhadap

Profitabilitas Parsial Uji t Uji t bertujuan untuk menguji pengaruh masing-masing variabel bebas FDR, pendapatan bagi hasil, total asset terhadap variabel tak bebas ROA. Tabel 4.12 Hasil Uji secara Parsial Coefficientsa Model Unstandardized Coefficients Standar dized Coeffici ents t Sig. 95 Confidence Interval for B Correlations Collinearity Statistics B Std. Error Beta Lower Bound Upper Bound Zero- order Partia l Part Toler ance VIF 1 Constant .989 .692 1.428 .163 -.422 2.399 FDR -.006 .005 -.163 -1.270 .213 -.015 .004 -.326 -.219 -.132 .656 1.524 Bagi Hasil .094 .033 .757 2.888 .007 .028 .161 .793 .455 .301 .158 6.337 Total Asset .006 .001 .001 .004 .997 -.001 .001 .648 .001 .000 .164 6.083 a Dependent Variable: ROA Sumber : Data diolah Dari hasil perhitungan SPSS, nilai probabilitas pada variabel FDR adalah 0.213 dari nilai α 0.05, artinya H diterima dan Ha ditolak. Dengan demikian, tidak terdapat pengaruh antara variabel FDR terhadap profitabilitas ROA secara parsial atau data tidak mendukung hipotesa yang menyatakan bahwa X 1 FDR mempunyai pengaruh terhadap Y ROA. Jika melihat hasil perhitungan SPSS, nilai probabilitas pada variabel bagi hasil adalah 0.007 dari nilai α 0.05, artinya H ditolak dan Ha diterima. Dengan demikian, terdapat pengaruh antara variabel bagi hasil terhadap profitabilitas ROA secara parsial atau data mendukung hipotesa yang menyatakan bahwa X 2 pendapatan bagi hasil mempunyai pengaruh terhadap Y ROA. Kemudian dari hasil perhitungan SPSS, nilai probabilitas pada