53
yang digunakan dalam variabel SBI dan SBIS mempunyai sebaran yang kecil karena standar deviasi lebih kecil dari nilai rata-ratanya, sehingga
simpangan data pada variabel SBI dan SBIS ini dapat dikatakan baik.
B. Uji Asumsi Klasik Bank Konvensional
Sebelum dilakukan pengujian regresi linear berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu pengujian untuk
mengetahui ada tidaknya pelanggaran terhadap asumsi-asumsi klasik. Hasil pengujian hipotesis yang baik adalah pengujian yang tidak melanggar asumsi-
asumsi klasik yang mendasari model regresi linear berganda. Asumsi-asumsi klasik dalam penelitian ini meliputi uji normalitas, uji multikolinearitas, uji
autokorelasi dan uji heteroskedastisitas.
1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam sebuah regresi, variabel dependen, variabel independen atau keduanya
mempunyai distribusi normal ataukah tidak mempunyai distribusi normal. Model regresi yang baik adalah memiliki distribusi data
normal atau mendekati normal. Salah satu metode untuk mengetahui Normalitas adalah dengan menggunakan metode analisis grafik secara
histogram dengan melihat nilai probabilitas dari Jarque-Bera, jika probabilitas bernilai lebih besar dari 5 persen maka dapat dikatakan bahwa
data berdistribusi normal, dan sebaliknya jika probabilitas bernilai kurang
54
2 4
6 8
-0.3 -0.2
-0.1 0.0
0.1 0.2
0.3 0.4
Series: Residuals Sample 2007:01 2009:12
Observations 36 Mean
3.15E-16 Median
-0.005068 Maximum
0.416986 Minimum
-0.255344 Std. Dev.
0.149423 Skewness
0.519044 Kurtosis
3.003273 Jarque-Bera
1.616455 Probability
0.445647
2 4
6 8
-0.2 -0.1
0.0 0.1
0.2 Series: Residuals
Sample 2007:01 2009:12 Observations 36
Mean -7.85E-17
Median -0.019688
Maximum 0.196771
Minimum -0.203834
Std. Dev. 0.098616
Skewness -0.105215
Kurtosis 2.376176
Jarque-Bera 0.451497
Probability 0.797919
dari 5 persen maka dikatakan bahwa data tidak berdistribusi normal. Uji Normalitas dengan melihat grafik secara histogram sebagaimana
terlihat dalam gambar 4.1, 4.2, dan 4.3 di bawah ini :
a. Hasil Uji Normalitas NPL
Gambar 4.1 Hasil Uji Normalitas NPL Bank Konvensional
Sumber : Bank Indonesia data diolah Pada hasil uji Normalitas NPL bank konvensional dengan melihat
grafik secara histogram diatas, dapat dilihat bahwa angka Jarque-Bera bernilai 1.6165 dan probabilitasnya bernilai 0.4456 lebih besar dari 5
persen. Maka dapat dikatakan bahwa data berdistribusi normal.
b. Hasil Uji Normalitas ROA
Gambar 4.2 Hasil Uji Normalitas ROA Bank Konvensional
Sumber : Bank Indonesia data diolah
55
2 4
6 8
10 12
14
-0.15 -0.10
-0.05 0.00
0.05 0.10
Series: Residuals Sample 2007:01 2009:12
Observations 36 Mean
-1.91E-15 Median
0.001928 Maximum
0.108222 Minimum
-0.162905 Std. Dev.
0.052655 Skewness
-0.384710 Kurtosis
4.328353 Jarque-Bera
3.534791 Probability
0.170777
Pada hasil uji Normalitas ROA bank konvensional dengan melihat grafik secara histogram diatas, dapat dilihat bahwa angka
Jarque-Bera bernilai 0.4515 dan probabilitasnya bernilai 0.7979 lebih besar dari 5 persen. Maka dapat dikatakan bahwa data berdistribusi
normal.
c. Hasil Uji Normalitas LDR
Gambar 4.3 Hasil Uji Normalitas LDR Bank Konvensional
Sumber : Bank Indonesia data diolah Pada hasil uji Normalitas LDR bank konvensional dengan melihat
grafik secara histogram diatas, dapat dilihat bahwa angka Jarque-Bera bernilai 3.5348 dan probabilitasnya bernilai 0.1708 lebih besar dari 5
persen. Maka dapat dikatakan bahwa data berdistribusi normal.
2. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mendeteksi ada tidaknya hubungan antar beberapa atau semua variabel independen dalam model
regresi. Multikolinearitas merupakan keadaan di mana satu atau lebih
56
variabel independen dinyatakan sebagai kondisi linear dengan variabel lainnya. Artinya bahwa jika di antara pengubah-pengubah bebas yang
digunakan sama sekali tidak berkorelasi satu dengan yang lain maka bisa dikatakan tidak terjadi Multikolinearitas.
Untuk menguji asumsi Multikolinearitas dapat digunakan uji Correlation Matrix. Jika antar variabel independen ada korelasi yang cukup
tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi bahwa adanya Multilinearitas. Uji Correlation Matrix dapat dilihat seperti pada
tabel 4.2 dibawah ini:
Tabel 4.2 Hasil Uji Multikolinearitas
Correlation Matrix
Sumber : Bank Indonesia data diolah Pada hasil uji Multikolinearitas dengan menggunakan uji Correlation
Matrix diatas, dapat dilihat bahwa antara variabel SBI dan SBIS memiliki koefisien sebesar 0.50. sehingga dapat dikatakan bahwa tidak ada
hubungan linear atau korelasi antara kedua variabel tersebut.
3. Uji Autokorelasi
Autokorelasi bertujuan untuk menguji apakah dalam model linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada LSBI
LSBIS LSBI
1.000000 0.497807
LSBIS 0.497807
1.000000