Hasil Uji Asumsi Klasik Hipotesis

IV.1.3. Hasil Uji Asumsi Klasik Hipotesis

IV.1.3.1. Hasil uji normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak. Bila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2005. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak normal, dapat dideteksi melalui 2 cara yaitu Analisis grafik dan analisis statistik uji One Sample Kolmogorov Smirnov, seperti terlihat pada Gambar IV.1 dan IV.2 serta Tabel IV.2 di bawah ini. a. Analisis Grafik Sumber: Hasil Penelitian, 2009 data diolah Gambar IV.1. Normal Plot pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Berdasarkan hasil uji normalitas yang ditunjukkan pada Gambar IV.1 menunjukkan bahwa hasil distribusi data adalah tidak memenuhi asumsi normalitas. Hal ini terlihat dari penyebaran titik-titik pada grafik normal plotnya yang tidak mengikuti arah garis diagonal, hasil yang peneliti dapatkan berbeda dengan pernyataan dari Ghozali 2005 yang menyatakan bahwa jika distribusi data adalah normal, maka terdapat titik-titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Sumber: Hasil Penelitian, 2009 data diolah Gambar IV.2. Grafik Histogram pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Selain itu untuk mempermudah melihat hasil uji normalitas dapat dilihat pada Gambar IV.2. Grafik Histrogram yang membandingkan antara data observasi dengan distribusi yang menunjukkan data tidak distribusi normal. b. Analisis Statistik Selain dengan analisis grafik uji normalitas dapat dilakukan dengan melihat angka signifikansi dari Kolmogorov-Smirnov pada data residual. Adapun hasil pengujian dapat dilihat pada Tabel IV.2 berikut: Tabel IV.2. Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 100 Normal Parameters a Mean .0000000 Std. Deviation .38267193 Most Extreme Differences Absolute .160 Positive .160 Negative -.135 Kolmogorov-Smirnov Z 1.597 Asymp. Sig. 2-tailed .012 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2009 data diolah Berdasarkan hasil uji normalitas dengan menggunakan uji statistik terlihat pada Tabel IV.2 bahwa besarnya nilai Kolmogorov-Smirnov Z adalah 1,597 dan signifikan pada 0,012 hal ini berarti H ditolak yang berarti data residual tidak pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara berdistribusi normal yang disebabkan signifikansinya lebih kecil dari 0,05. Hal ini sesuai dengan analisis grafik di atas. IV.1.3.2. Hasil uji multikolonieritas Pengujian multikolonieritas dilakukan untuk melihat apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang baik seharusnya tidak terjadi multikolonieritas. Multikolonieritas terjadi apabila nilai tolerance Tolerance 0,5 atau = nilai VIF lebih besar dari 5 Hasil pengujian dapat dilihat pada Tabel IV.3. Tabel IV.3. Hasil Uji Multikolonieritas Model Collinearity Statistics Tolerance VIF CAR .253 3.947 DER .249 4.022 PBV .768 1.302 ROE .829 1.206 LDR .516 1.939 BOPO .704 1.421 a.Dependent Variable: PER Sumber: Hasil Penelitian, 2009 data diolah Seperti hasil yang terdapat pada Tabel IV.3. Hasil perhitungan nilai Varian Inflation Factor VIF menunjukkan tidak ada satu variabel independen yang memiliki nilai VIF lebih besar dari 5. Berdasarkan analisa pada Tabel IV.3 dapat disimpulkan bahwa tidak terjadinya multikolonieritas antar variabel independen. IV.1.3.3. Hasil uji heteroskedastisitas pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Pengujian heteroskedastisitas menunjukkan apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan lainnya. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Menurut Ghozali 2005, Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang dan besar. Pengujian heteroskedastisitas dapat dilakukan dengan dua cara, yaitu dengan menggunakan grafik dan statistik. a. Grafik Sumber: Hasil Penelitian, 2009 data diolah Gambar IV.3. Grafik Scatterplot Uji Heteroskedastisitas pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Dari Gambar IV.3 menunjukkan bahwa titik-titik menyebar secara acak serta tidak membentuk sebuah pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka hal tersebut menunjukkan tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi tersebut layak dipakai untuk memprediksi berdasarkan masukan variabel bebas CAR, DER, PBV, ROE, LDR dan BOPO. IV.1.3.4. Hasil uji 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. Gejala autokorelasi dideteksi dengan menggunakan uji Durbin-Watson DW. Menurut Santoso 2005, untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson. Hasil pengujiannya terlihat pada Tabel IV.4 pada berikut ini. Tabel IV.4. Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .874a .763 .748 .39482 1.950 a Predictors: Constant, BOPO, DER, PBV, LDR, ROE, CAR b Dependent Variable: LnPER Sumber: Hasil Penelitian, 2009 data diolah Tabel IV.4 menunjukkan besarnya nilai Durbin-Watson sebesar 1,950. Dari Tabel Durbin-Watson dengan alpha 5 didapat dapat diperoleh nilai d Durbin- Watson berada diantara upper bound du dengan nilai dl = 1,550 dan du = 1,803 pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara atau dapat ditulis sebagai berikut, du d 6 − du atau 1,803 1,950 4,197. Hal ini dapat disimpulkan bahwa hipotesis Ho diterima artinya tidak terdapat autokorelasi baik positif maupun negatif pada persamaan regresi. IV.2. Pembahasan

IV.2.1. Pembahasan Hipotesis