71 b.
Koefisien regresi X
1
= 0.835 artinya apabila sektor perbankan meningkatkan variabel LDR sebesar 1, maka sektor perbankan akan dapat meningkatkan
CAR sebesar 83,5. c.
Koefisien regresi X
2
= 2,620 artinya apabila sektor perbankan meningkatkan variabel ROA sebesar 1, maka sektor perbankan akan dapat meningkatkan
CAR sebesar 26,20. d.
Koefisien regresi X
3
= 0,209 artinya apabila sektor perbankan meningkatkan variabel ROA sebesar 1, maka sektor perbankan akan dapat meningkatkan
CAR sebesar 20,9.
C. Hasil Uji Asumsi Klasik
Beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi linier berganda dapat digunakan untuk menganalisis faktor-faktor yang
mempengaruhi laba bersih. Syarat-syarat tersebut adalah sebagai berikut:
1. Uji Normalitas
Analisis ini menggunakan pendekatan Kolmogrov-Smirnov dengan bantuan SPSS 15.00 for windows. Dengan menggunakan tingkat signifikan 5,
maka nilai Asymp.sig. 2-tailed di atas nilai signifikan 5 artinya variabel residua l berdistribusi normal.
Universitas Sumatera Utara
72 a.
Analisis Grafik
Regression Standardized Residual 3
2 1
-1 -2
-3
Frequency
20 15
10 5
Gambar 4.1 Histogram Dependent Variabel CAR Sumber : Hasil olahan SPSS 15.00 for windows
Gambar 4.1 histogram menunjukkan bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut yang tidak menceng kekiri
ataupun ke kanan. Cara lain melihat uji normalitas dengan grafik adalah dengan melihat
gambar normal p-p plot of regression standardized residual. Pada Grafik 4.2 terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data
berdistribusi normal.
Universitas Sumatera Utara
73
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
Gambar: 4.2 Normal P-P Plot of regression Standardized Residual Dependent Variabel CAR
Sumber : Hasil olahan SPSS 15.00 for windows
b. Analisis Statistik Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi
normal, maka dilakukan uji kolmogorv-Smirnov dengan melihat data residualnya apakah berdistribusi normal atau tidak. Uji kolmogorv-Smirnov dapat dilihat pada
tabel dihalaman berikut:
Tabel 4.6 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 108
Normal Parametersa,b Mean
,0000000 Std. Deviation
2,83320980 Most Extreme
Differences Absolute
,074 Positive
,074 Negative
-,059 Kolmogorov-Smirnov Z
,773 Asymp. Sig. 2-tailed
,589 a Test distribution is Normal.
b Calculated from data.
Universitas Sumatera Utara
74
Sumber : Hasil olahan SPSS 15.00 for windows
Dari tabel 4.7 di atas dapat diambil keputusan bahwa variabel residual berdistibusi normal, karena nilai Asymp. Sig. 2-tailed adalah 0.589 dan di atas
nilai signifikan yaitu 0,05.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini menggunakan uji Glejser dengan bantuan SPSS 15.00 for windows, dengan kriteria pengambilan keputusan
jika probabilitas signifikansinya di atas tingkat kepercayaan 5, maka disimpulkan model regresi tidak mengarah adanya heterokedastisitas. Uji
heteroskedastisitas pada penelitian ini dapat dilihat pada halaman berikut.
Tabel 4.7 Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
1,462 ,460
3,176 ,002
LDR ,030
,018 ,160
1,649 ,102
ROA ,328
,208 ,168
1,580 ,117
ROE -,015
,017 -,094
-,898 ,371
a Dependent Variable: absut
Sumber : Hasil olahan SPSS 15.00 for windows
Tabel 4.8 menunjukkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut.
Hal ini terlihat dari nilai signifikansi variabel LDR, ROA dan ROE masing-masing
Universitas Sumatera Utara
75 lebih besar dari tingkat signifikansi
α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini
3. Uji Autokorelasi
