lxxix
B. Uji Asumsi Klasik 1. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen atau keduanya mempunyai
distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Dengan ketentuan sebagai berikut:
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
lxxx
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: ROA Normal P-P Plot of Regression Standardized Residual
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b Dependent Variable: ROA
Normal P-P Plot of Regression Standardized Residual
Gambar 4.6 Hasil Uji Normalitas Pengaruh Deposito Terhadap ROA
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi ROA berdasar masukan variabel independennya Deposito
. Gambar 4.7
Hasil Uji Normalitas Pengaruh Pembiayaan Terhadap ROA
lxxxi
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b Dependent Variable: ROE
Normal P-P Plot of Regression Standardized Residual
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi ROA berdasar masukan variabel independennya Pembiayaan.
Gambar 4.8 Hasil Uji Normalitas Pengaruh Deposito Terhadap ROE
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi ROE berdasar masukan variabel independennya Deposito.
lxxxii
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: ROE Normal P-P Plot of Regression Standardized Residual
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b Dependent Variable: NPM
Normal P-P Plot of Regression Standardized Residual
Gambar 4.9 Hasil Uji Normalitas Pengaruh Pembiayaan Terhadap ROE
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi ROE berdasar masukan variabel independennya Pembiayaan.
Gambar 4.10 Hasil Uji Normalitas Pengaruh Deposito Terhadap NPM
lxxxiii
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: NPM Normal P-P Plot of Regression Standardized Residual
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi NPM berdasar masukan variabel independennya Deposito.
Gambar 4.11 Hasil Uji Normalitas Pengaruh Pembiayaan Terhadap NPM
Dari hasil gambar diatas, terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model
regresi layak dipakai untuk prediksi NPM berdasar masukan variabel independennya Pembiayaan.
lxxxiv 2. Uji Heterokesdastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lain. Jika varians dari residual satu pengamatan berbeda dengan pengamatan yang lain tetap, maka disebut ”homokedastisitas” dan jika
berbeda disebut ”heteroskedastisitas”. Model regresi yang baik adalah homokedastisitas.
Deteksi ada atau tidaknya heteroskedastisitas dapat di lihat dengan ada tidaknya pola tertentu pada grafik seatterplot. Jika ada pola tertentu maka
mengindikasikan telah terjadi heteroskedastisitas. Tetapi jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu
y maka tidak terjadi heteroskedastisitas.
lxxxv
-2 -1
1 2
Regression Studentized Residual
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d V
a lu
e
Dependent Variable: ROA Scatterplot
-1 1
2
Regression Studentized Residual
-1 1
2
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d V
a lu
e
Dependent Variable: ROA Scatterplot
Gambar 4.12 Hasil Uji Heteroskedastisitas Pengaruh Deposito Terhadap ROA
Berdasarkan gambar 4.12 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh deposito terhadap ROA
. Gambar 4.13
Hasil Uji Heteroskedastisitas Pengaruh Pembiayaan Terhadap ROA
lxxxvi
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
Regression Studentized Residual
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
R e
g r
e s
s io
n S
ta n
d a
r d
iz e
d P
r e
d ic
te d
V a
lu e
Dependent Variable: ROE Scatterplot
Berdasarkan gambar 4.13 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh Pembiayaan terhadap ROA
. Gambar 4.14
Hasil Uji Heteroskedastisitas pengaruh Deposito terhadap ROE
Berdasarkan gambar 4.14 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh deposito terhadap ROE.
lxxxvii
-1 1
2
Regression Studentized Residual
-1 1
2
R e
g r
e s
s io
n S
ta n
d a
r d
iz e
d P
re d
ic te
d V
a lu
e
Dependent Variable: ROE Scatterplot
Gambar 4.15 Hasil Uji Heteroskedastisitas pengaruh Pembiayaan terhadap ROE
Berdasarkan gambar 4.15 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh Pembiayaan terhadap ROE.
lxxxviii
-1 1
2
Regression Studentized Residual
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d V
a lu
e
Dependent Variable: NPM Scatterplot
-1 1
2
Regression Studentized Residual
-1 1
2
R e
g re
s s
io n
S ta
n d
a rd
iz e
d P
re d
ic te
d V
a lu
e
Dependent Variable: NPM Scatterplot
Gambar 4.16 Hasil Uji Heteroskedastisitas pengaruh Deposito terhadap NPM
Berdasarkan gambar 4.16 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh deposito terhadap NPM.
Gambar 4.17 Hasil Uji Heteroskedastisitas pengaruh Pembiayaan terhadap NPM
lxxxix
Model Summary
b
.322
a
.104 .004
.98008 .701
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_deposito a.
Dependent Variable: ROA b.
Berdasarkan gambar 4.17 di atas terlihat bahwa pola titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi antara pengaruh deposito terhadap NPM.
3. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linear ada korelasi antara kesalahan penggangguan pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Deteksi adanya
autokorelasi dilakukan dengan melakukan Durbin-Watson DW: • Jika nilai DW di bawah –2 maka ada autokorelasi positif
• Jika nilai DW di antara –2 sampai +2 maka tidak ada autokorelasi
• Jika nilai DW di atas +2 maka ada autokorelasi negatif
Tabel 4.11 Hasil Uji Autokorelasi Pengaruh Deposito Terhadap ROA
xc
Model Summary
b
.362
a
.131 .035
.96491 1.439
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_pembiayaan a.
Dependent Variable: ROA b.
Model Summary
b
.013
a
.000 -.111
20.78250 .637
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_deposito a.
Dependent Variable: ROE b.
Pada tabel 4.11 di atas, terlihat angka D-W sebesar 0,701. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan. Tabel 4.12
Hasil Uji Autokorelasi Pengaruh Pembiayaan Terhadap ROA
Pada tabel 4.12 di atas, terlihat angka D-W sebesar 1,439. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan. Tabel 4.13
Hasil Uji Autokorelasi Pengaruh Deposito Terhadap ROE
Pada tabel 4.13 di atas, terlihat angka D-W sebesar 0,637. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan.
xci
Model Summary
b
.825
a
.680 .645
11.74893 1.729
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_pembiayaan a.
Dependent Variable: ROE b.
Model Summary
b
.341
a
.116 .018
1.03550 .712
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_deposito a.
Dependent Variable: NPM b.
Model Summary
b
.342
a
.117 .019
1.03502 1.466
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, ln_pembiayaan a.
Dependent Variable: NPM b.
Tabel 4.14 Hasil Uji Autokorelasi Pengaruh Pembiayaan Terhadap ROE
Pada tabel 4.14 di atas, terlihat angka D-W sebesar 1,729. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan. Tabel 4.15
Hasil Uji Autokorelasi Pengaruh Deposito Terhadap NPM
Pada tabel 4.15 di atas, terlihat angka D-W sebesar 0,712. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan. Tabel 4.16
Hasil Uji Autokorelasi Pengaruh Pembiayaan Terhadap NPM
xcii
Coefficients
a
14.536 11.492
1.265 .238
-.533 .523
-.322 -1.021
.334 Constant
ln_deposito Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: ROA a.
Pada tabel 4.16 di atas, terlihat angka D-W sebesar 1,466. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi dan model ini layak
digunakan.
C. Pengujian Hipotesis 1. Uji T T-test