66 tidak normal. Uji Kolmogorov Smirnov dapat dilihat dalam Tabel 4.2 sebagai
berikut:
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parameters
a,b
Mean .0000000
Std. Deviation 19.27584355
Most Extreme Differences Absolute
.056 Positive
.033 Negative
-.056 Kolmogorov-Smirnov Z
.705 Asymp. Sig. 2-tailed
.703 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2014 Data Diolah
Berdasarkan Tabel 4.2 dapat diketahui bahwa nilai K-S adalah 0,705 dengan signifikansi 0,703. Hal ini berarti bahwa semua variabel independen
ROA, CAR, NPL, NIM, dan BOPO berdistribusi normal.
4.3.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Hasil dari uji
heteroskedastisitas dapat dilihat pada gambar 4.3 berikut:
Universitas Sumatera Utara
67
Gambar 4.3 Grafik
Scatterplot
Berdasarkan hasil scatterplot,terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebat baik diatas maupun
dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas padamodel regresi.
4.3.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
penganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah apabila model tersebut tidak mengandung autokorelasi. Cara mengetahui adanya
autokorelasi dapat dilakukan dengan uji Durbin-Watson. Hasil uji autokorelasi dapat dilihat pada Tabel 4.3 berikut ini:
Universitas Sumatera Utara
68
Tab el 4.3 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.474
a
.224 .199
17.66767 1.732
a. Predictors: Constant, BOPO, NPL, ROA, CAR, NIM b. Dependent Variable: LDR
Sumber: Hasil Penelitian, 2014 Data Diolah
Berdasarkan Uji Autokorelasi pada Tabel 4.4 diperoleh hasil bahwa nilai Durbin-Watson DW sebesar 1,732 penelitian ini diantara 1,5 sampai 2,5.
Sehingga penelitian ini berarti tidak terdapat autokorelasi.
4.3.4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji dan mengetahui apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009:59. Berdasarkan uji multikolinearitas pada
Tabel 4.4 diperoleh hasil bahwa variabel ROA, CAR, NPL, NIM dan BOPO bebas dari multikolinearitas yang ditunjukkan dengan nilai tolerance 0,10 atau
VIF 10.
Tabel 4.4 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
Constant ROA
.905 1.105
CAR .894
1.118 NPL
.988 1.012
NIM .872
1.147 BOPO
.751 1.331
a. Dependent Variable: LNLDR
Sumber: Hasil Penelitian, 2014 Data Diolah
Universitas Sumatera Utara
69
4.4. Analisis Regresi Berganda
