2. Variabel independen kedua yaitu Capital Adequancy Ratio CAR atau X2 memiliki nilai minimum 12,02 dan nilai maksimum 21,49 dengan nilai rata-
rata mean CAR X2 sebesar 15,4128 dan standar deviasi CAR 1,92094. 3. Variabel independen terakhir BOPO atau X3 memiliki nilai minimum 63,42
dan nilai maksimum 99,71 dengan nilai rata-rata mean BOPO X3 sebesar 75,5402 dan standar deviasi adalah 7,54150
4. Variabel dependen Pertumbuhan Laba Y memiliki nilai minimum 0,01 dan nilai maksimum 1,59 dengan rata-rata mean sebesar 0,4117 dan standar
deviasi 0,32330. Dari gambaran di atas dapat disimpulkan bahwa data variabel LDR X1,
CAR X2, BOPO X3, dan Pertumbuhan Laba Y menunjukkan hasil yang baik, hal tersebut karena standar deviasi yang mencerminkan penyimpangan dari
data variabel tersebut lebih kecil dari nilai rata-ratanya mean.
4.2 Hasil Uji asumsi Klasik
4.2.1 Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak,
dengan membuat hipotesis seperti dibawah ini : H
: data residual berdistribusi normal, H
a
: data residual tidak berdistribusi normal,
Universitas Sumatera Utara
Apabila nilai signifikansi lebih besar dari 0,05 maka H0 diterima sebaliknya apabila nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak
atau Ha diterima.
Tabel 4.2 One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation .29674561
Most Extreme Differences Absolute
.140 Positive
.140 Negative
-.076 Kolmogorov-Smirnov Z
.969 Asymp. Sig. 2-tailed
.305 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS 18.0, diolah penulis 2013
Dari hasil pengolahan data pada tabel 4.2 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,305. Dan diatas nilai signifikan 0,05. Dengan
demikian dapat ditarik kesimpulan bahwa H diterima, yang berarti data
residual berdistribusi normal. Metode lain untuk mengetahui normalitas adalah dengan menggunakan
metode analaisis grafik, baik dengan melihat grafik secara histogram ataupun dengan melihat secara Normal Probability Plot. Normalitas data dapat dilihat
dari penyebaran data titik pada sumbu diagonal pada grafik Normal P-Plot atau dengan melihat histogram dari residualnya.
Universitas Sumatera Utara
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.
Uji normalitas yang pertama dengan melihat grafik secara histogram dan grafik Normal P-Plot sebagaimana terlihat dalam gambar 4.1 di bawah
ini:
Gambar 4.1 Histogram
Sumber : Output SPSS 18.0, diolah Penulis 2013
Dari histogram pada gambar 4.1 menunjukkan pola distribusi normal karena grafik telah berbentuk lonceng dan tidak miring ke kanan maupun ke
Universitas Sumatera Utara
kiri. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan
menggunakan grafik p-plot.
Gambar 4.2 Grafik Normal P-Plot
Sumber :Output SPSS 18.0, diolah penulis 2013
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa
model regresi telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
4.2.2 Uji multikolinearitas