4.2 Analisis Data
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam model regresi, variabel independent dan variabel dependen atau keduanya
telah berdistribusi secara normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi
normalitas data, dapat dilakukan dengan uji Kolmogorov-Smirnov. Untuk mendeteksi normalitas data dengan uji Kolmogorov-Smirnov,
terlebih dahulu menentukan hipotesis pengujian, yaitu: Ho : data terdistribusi secara normal.
Ha : data tidak terdistribusi secara normal. Tabel 4.2 Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
ROA CAR
LDR NPL
N 84
84 84
84 Mean
1.2043 16.7068 74.4994
3.0358 Normal Parameters
a
Std. Deviation .73783 5.54031 1.54673E1 1.65802
Absolute .052
.147 .090
.111 Positive
.052 .147
.075 .111
Most Extreme Differences
Negative -.047
-.104 -.090
-.062 Kolmogorov-Smirnov Z
.474 1.349
.826 1.014
Asymp. Sig. 2-tailed .978
.053 .503
.256 a. Test distribution is Normal.
Sumber: Output SPSS 16
Table 4.2 menunjukan bahwa besarnya nilai Kolmogorov-Smirnov untuk variabel ROA adalah 0,474 dengan nilai signifikan 0,978, nilai Kolmogorov-
Smirnov untuk variabel CAR adalah 1,349 dengan nilai signifikan 0,053, nilai
Kolmogorov-Smirnov untuk variabel LDR adalah 0,826 dengan nilai signifikan
0,503 dan nilai Kolmogorov-Smirnov untuk variabel NPL adalah 1,014 dengan nilai signifikan 0,256. Semua variabel telah terdistribusi secara normal karena
memiliki nilai probabilitas lebih besar dari 0,05. Dengan demikian dapat disimpulkan bahwa semua variabel telah terdistribusi secara normal. Hal ini
berarti hipotesis nol diterima atau variabel ROA, CAR, LDR dan NPL terdistribusi normal.
Gambar 4.1 Grafik Normal Probability P.Plot Sumber: Output SPSS 16
Selain menggunakan Kolmogorov-Smirnov, normalitas data dapat dilihat dari penyebaran data titik pada sumbu diagonal pada grafik Normal P-Plot atau
dengan melihat histogram dari residualnya. Uji normalitas dengan grafik Normal P-Plot akan membentuk satu garis lurus diagonal, kemudian plotting data akan
dibandingkan dengan garis diagonal. Jika distribusi normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Tampilan gambar 4.1 grafik normal probability p.plot diatas, dapat disimpulkan bahwa pola grafik normal terlihat dari titik-titik yang menyebar
disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang digunakan dalam penelitian ini telah terdistribusi
secara normal sehingga model regresi dapat digunakan dan memenuhi asumsi normalitas.
4.2.2 Uji Asumsi
Kategori