64
Dari tabel diatas dapat diketahui bahwa rata-rata nilai CAR Bank Syariah Mandiri adalah 13,09. Rata-rata nilai CAR Bank Syariah Mandiri berada di
peringkat 1 yang artinya tingkat modal secara signifikan berada lebih tinggi dari ketentuan KPMM yang berlaku yaitu 8.
C. Statistik Deskriptif
Tabel 4. 5 Hasil Uji Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation ROA
32 .0017
.0256 .017269
.0066538 CAR
32 .1060
.1553 .130947
.0138942 NPF
32 .0242
.0689 .046303
.0144512 MVAIC
32 2.6393
5.8247 4.010321
.8175436 Valid N listwise
32
Sumber : Data diolah
Tabel diatas menunjukkan statistik deskriptif masing-masing penelitian. Total modal intelektual secara keseluruhan MVAIC yang merupakan gabungan
dari intellectual capital efficiency ICE dan Capital Employed Efficiency CEE, dimana ICE adalah HCE human capital efficiency, SCE structural capital
efficiency, dan RCE relational capital efficiency yang menunjukkan nilai rata- rata MVAIC sebesar 4,0103. Nilai MVAIC terkecil sebesar 2,6393 dan nilai
MVAIC tertinggi adalah 5,8247. Ukuran profitabilitas diukur dengan menggunakan proksi Return on Assets
ROA. Untuk variabel ROA, hasil penelitian pada Bank Syariah Mandiri dari
65
kuartal I tahun 2008 sampai kuartal IV tahun 2015 diperoleh nilai rata-rata ROA sebesar 0,01726. Nilai ROA terkecil sebesar 0,0017 dari total aset perusahaan
dan nilai ROA terbesar adalah 0,0256 atau memperoleh laba sebesar 2,56 dari total aset perusahaan. Sementara itu tingkat pembiayaan bermasalah NPF
tertinggi adalah 6,89 dari total pembiayaan yang diberikan, dan pembiayaan bermasalah terendah NPF adalah 2,42 dari total pembiayaan yang diberikan
oleh Bank Syariah Mandiri. Sedangkan Jumlah Permodalan CAR tertinggi Bank Syariah Mandiri adalah 15,53 dan yang terendah adalah 10,60.
D. Uji Asumsi Klasik
6. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, baik variabel independen maupun dependen, telah terdistribusi secara normal.
Model regresi yang baik adalah model regresi yang memiliki distribusi data normal atau mendekati normal.
Untuk melihat normalitas data maka dilakukan Uji Kolomogorov Smirnov. Test ini digunakan untuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal yang tersusun pada tabel distribusi frekuensi kumultif dengan menggunakan kelas-kelas interval.
Hipotesis: H
o
: sampel data berdistribusi normal H
1
: sampel data tidak berdistribusi normal Pedoman pengambilan keputusan pada uji ini adalah:
66
Jika SigProbabilitas 0,05, Distribusi adalah normal Jika SigProbabilitas 0,05, Distribusi adalah tidak normal
Berikut ini adalah hasil pengujian normalitas :
Tabel 4. 6 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parameters
a,b
Mean .0000000
Std. Deviation .00297226
Most Extreme Differences Absolute
.086 Positive
.086 Negative
-.075 Test Statistic
.086 Asymp. Sig. 2-tailed
.200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Dari hasil pengujian normalitas diatas maka dapat dilihat bahwa variabel- variabel yang digunakan semuanya berdistribusi normal dikarenakan nilai Sig.
dari masing – masing variabel tersebut lebih besar dari 0,05 p0,05.
7. Uji Autokorelasi
Untuk mendeteksi ada tidaknya autokorelasi. Salah satunya Uji Durbin- Watson DW Test, dengan ketentuan:
a. Terjadi autokorelasi positif, jika nila DW di bawah -2 DW -2
67
b. Tidak terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2 DW 2
c. Terjadi autokorelasi negatif jika nilai DW di atas 2 DW 2 Berikut ini adalah hasil pengujian menggunakan Uji Durbin-Watson :
Tabel 4. 7 Hasil Uji Autokorelasi Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .895
a
.800 .779
.0031274 1.042
a. Predictors: Constant, MVAIC, CAR, NPF b. Dependent Variable: ROA
Dari hasil pengujian autokorelasi diatas maka dapat dilihat bahwa nilai Durbin
Watson senilai 1,042 maka DW berada diantara -2 dan +2 yang artinya tidak terjadi autokorelasi positif maupun negatif.
3. Uji Multikolonieritas
Uji multikolonieritas dapat dibuktikan dengan Uji VIF Variance Inflation Factor. Jika VIF 5 dan Tolerance mendekati 1, maka tidak terjadi
multikolinearitas antar variabel bebas. Berikut ini merupakan hasil uji Multikolonieritas sebagai berikut :
Tabel 4. 8 Hasil Uji Multikolonieritas Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant .022
.006 3.420 .002
CAR -.050
.040 -.104
-1.231 .228 .998 1.002
NPF -.309
.039 -.671
-7.864 .000 .980 1.021
MVAIC .004
.001 .489
5.732 .000 .978 1.022
68
a. Dependent Variable: ROA
Berdasarkan nilai diatas dapat dilihat bahwa nilai VIF tidak ada yang melebihi 10
dan nilai tolerance mendekati angka 1. Dengan demikian dapat disimpulkan bahwa tidak terdapat masalah multikolonieritas dalam persamaan regresi ini.
4. Uji Heteroskedastisitas
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilihat dengan ada atau tidaknya pola tertentu pada grafik scatterplot. Dengan dasar
analisis Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
teratur bergelombang,
melebar kemudian
menyempit maka
mengidentifikasikan telah terjadi heteroskedastisitas. Tetapi, jika tidak ada pola yang jelas, serta titik-titik melebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastisitas.
69
Grafik 4. 1 Scatterplot Bank Syariah Mandiri
Dari grafik scatterlplots diatas, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
E. Uji Hipotesis