65
menyediakan dana cadangan yang diperoleh lebih besar yang dibuktikan dengan nilai kolektibilitas Lancar menempati urutan pertama.
4.1.3 Analisis Statistik Inferensial 4.1.3.1 Uji Prasyarat
Uji prasyarat merupakan uji yang digunakan sebagai dasar untuk menentukan layak atau tidaknya model analisis menggunakan analisis
regresi linear berganda.
4.1.3.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal
atau tidak. Deteksi normalitas dapat dilakukan dengan melihat persebaran data pada sumbu diagonal atau grafik normal. Suatu data
akan terdistribusi secara normal jika nilai probabilitas yang diharapkan adalah sama dengan nilai probabilitas pengamatan Santoso dan Ashari
2005, 234. Bila distribusi normal maka model regresi memenuhi asumsi normalitas. Masing-masing variabel dependen yang berupa CAR, KAP,
BDR, ROA, BOPO, dan LDR serta masing-masing variabel independen yang berupa Kolektibilitas Lancar, Dalam Perhatian Khusus, Kurang
Lancar, diragukan, dan Macet diproksikan dalam bentuk Logaritma supaya data dapat menjadi setara dan hasilnya dapat memenuhi asumsi
normalitas.
66
Menurut Ghozali 2007:112 uji normalitas dengan grafik dapat menyesatkan kalau tidak berhati-hati secara visual terlihat normal, oleh
sebab itu disamping uji grafik dianjurkan untuk melakukan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik Kolmogorov-Sminov K-S. Hasil uji K-S adalah sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
Unstandardiz ed Residual
Unstandardize d Residual
Unstandardize d Residual
Unstandardiz ed Residual
Unstandardiz ed Residual
N 59 59
59 56 59 59
Normal Parameters
a
Mean .0000000 .0000
.0000000 .0000000 .0000000 .0000000
Std. Deviation .19853883
.04797 .28611999
.32683390 .09038209 .15472096 Most Extreme
Differences Absolute .099
.072 .115
.141 .149 .106 Positive .066
.072 .100
.062 .137 .058 Negative -.099
-.070 -.115
-.141 -.149 -.106 Kolmogorov-Smirnov Z
.763 .552
.883 1.056 1.143 .818
Asymp. Sig. 2-tailed .605
.921 .416
.214 .147 .516 a. Test distribution is Normal.
Tabel 4.6 Uji Normalitas dengan Kolmogorov Smirnov Residual CAMEL
Hasil analisa tes Kolmogorov-Smirnov K-S pada Variabel Dependen Tabel 4.6 menunjukkan bahwa besarnya nilai K-S pada
residual Y1 adalah 0.763 dan signifikansi 0.605, nilai K-S residual Y2 adalah 0.552 dan signifikansi 0.921, nilai K-S residual Y3 adalah 0,883
dan signifikansi 0.416, nilai K-S residual Y4 adalah 0.818 dan signifikansi 0.214, nilai K-S residual Y5 adalah 1.143 dan signifikansi
0.147, nilai K-S residual Y6 adalah 1.021 dan signifikansi 0.516. Hal ini menunjukkan bahwa H0 diterima yang berarti data residual berdistribusi
normal karena masing-masing signifikansi pada variabel dependen lebih dari 0.05.
67
4.1.3.1.2 Uji Linearitas
