operasional utama bank syariah, dimana hal ini sejalan dan tercermin dalam rasio NPM yang cukup baik juga.
4.2.2 Pengujian Asumsi Klasik Model Regresi Kinerja Bank Syariah
Berdasarkan output SPSS pada Tabel 4.7 di Lampiran 1 terlihat bahwa nilai VIF dari variabel independen RORA dan ROA lebih besar dari 10 yang berarti terdapat
multikolinearitas antara kedua variabel tersebut. Untuk menghilangkan multikolinearitas ini, dilakukan pemisahan kedua variabel tersebut untuk dibuat model regresi baru dengan
menggunakan masing-masing variabel secara terpisah yaitu dengan menggunakan variabel RORA dan model regresi baru yang menggunakan variabel ROA. Kedua model regrasi yang
baru ini masing-masing akan diolah kembali dengan program SPSS.
4.2.3 Model Regresi Kinerja Bank Syariah Dengan Variabel RORA dan ROA
Model regresi kinerja bank syariah yang baru dengan menggunakan variabel RORA dan mengeluarkan variabel ROA dari model regresi awal yaitu :
DA
it
= α + β
1
CAR
it
+ β
2
RORA
it
+ β
3
NPM
it
+ β
4
LDR
it
+ β
5
BUS + ε 1a
Dengan ekspektasi : β
1
0, β
2
0, β
3
0, β
4
0 dan β
5
≠ 0. Sedangkan model regresi kinerja bank syariah yang baru dengan menggunakan variabel ROA
setelah mengeluarkan variabel RORA dari model regresi awal yaitu : DA
it
= α + β
1
CAR
it
+ β
2
ROA
it
+ β
3
NPM
it
+ β
4
LDR
it
+ β
5
BUS + ε 1b
Dengan ekspektasi : β
1
0, β
2
0, β
3
0, β
4
0 dan β
5
≠ 0.
4.2.4 Uji Asumsi Klasik Kinerja Bank Syariah Dengan Variabel RORA dan ROA
Berdasarkan output SPSS, pengujian asumsi klasik terhadap model regresi dengan variabel RORA dapat dilihat pada Tabel 4.8, Tabel 4.9 di Lampiran 1 dan Gambar 4.2 di
Lampiran 2, serta pada Tabel 4.10, Tabel 4.11 di Lampiran 1 dan Gambar 4.3 di Lampiran 2 12
untuk model regresi dengan variabel ROA. Dimana kedua model tersebut telah memenuhi semua uji asumsi klasik, sehingga model regresi tersebut sudah valid.
4.2.5 Hasil Pengujian Hipotesis 2 H2 Kinerja Bank Syariah Dengan Variabel RORA dan Variabel ROA
