39 5.
Variabel independen Net Profit Margin NPM, variabel X
4
, yaitu mencerminkan seberapa besar kemampuan perusahaan menghasilkan laba
bersih pada tingkat penjualan tertentu, atau dapat diinterpretasikan juga sebagai kemampuan perusahaan menekan biaya-biaya ukuran efisiensi di
perusahaan pada periode tertentu. Nilai terendah adalah 3.7630 dan nilai
tertinggi 34.650 dengan nilai rata-rata 16.4717 dan standar deviasi 7.2708. Hasil ini mengindikasikan hasil yang baik karena penyimpangan lebih kecil
dari rata-rata Terlihat bahwa nilai ROE tahun 2010-2012 dari 21 perusahaan yang menjadi
sampel, besar nilai maksimum 1,291 dialami oleh Bank OCBC NISP Tbk pada tahun 2011. Nilai ROE terendah dialami oleh Bank Nusantara
Parahyangan Tbk pada tahun 2011 dengan nilai minimum sebesar 0,0103
4.2.2 Pengujian Asumsi Klasik
Uji asumsi klasik merupakan prasyarat analisis regresi berganda. Dari hasil perhitungan sampel rata-rata rasio keuangan selama tiga tahun, maka dalam
penelitian ini perlu dilakukan pengujian asumsi klasik terlebih dahulu yang meliputi: uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji
autokorelasi yang dilakukan sebagai berikut:
4.2.2.1 Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen ROE atau variable Y, dan variabel independen Equity
Multiplier EM, variabel X
1
, Firm Size FS variabel X
2
, Debt Equity Ratio DER, variable X
3
, dan Net Profit Margin NPM, variable X
4
perusahaan
Universitas Sumatera Utara
40 perbankan atau keduanya mempunyai distribusi normal atau tidak. Normalitas
umumnya dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Berdasarkan Gambar 4.1 Uji Normalitas yang terbentuk sebagai berikut:
Gambar 4.1. Uji Normalitas
Sumber; Output SPSS versi 19; Normal P-P Plot
Jika dilihat berdasarkan grafik normal plot terlihat titik-titik jauh dari garis diagonal. Hal ini menunjukkan bahwa grafik tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-hati secara
Universitas Sumatera Utara
41 visual kelihatan normal, oleh karena itu untuk melengkapi uji grafik dilakukan
juga uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistic
non parametik Kolmogrov-Smirnov K-S dapat dilihat pada Table 4.2, sebagai berikut
:
Tabel 4.2. Uji Statistik Non – Parametrik One-Sample Kolmogorov-Smirnov Test
ROE N
63 Normal Parameters
a,b
Mean .359190
Std. Deviation 1.6101262
Most Extreme Differences
Absolute .480
Positive .480
Negative -.414
Kolmogorov-Smirnov Z 3.808
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. b. Calculated from data.
Untuk menentukan data dengan uji statistic non – parametrik Kolmogrov- Smirnov, nilai signifikasi harus diatas 0,05 atau 5 Imam Ghozali, 2009.
Pengujian terhadap normalitas residual dengan menggunakan uji Kolmogrov- Smirnov, mempunyai nilai kolmogrov-smirnov sebesar 3.808 dengan nilai
signifikansi sebesar 0,000. Hal ini berarti H0 ditolak yang berarti data residual terdistribusi tidak normal. Hasil konsisten dengan uji sebelumnya
.
Uji normalitas secara residual pada perusahaan perbankan terdistribusi tidak normal, hal ini dikarenakan perusahaan perbankan yang listed di BEI tahun 2010-
2012 mempunyai fluktuasi data yang tidak stabil artinya banyak data residual yang tidak terpenuhi. Oleh karena itu, dilakukan teknik menormalkan distribusi
data dalam bentuk transformasi logaritma natural LN. Secara rinci hasil
Universitas Sumatera Utara
42 perhitungan uji normalitas residual dengan uji normal probability plot dan uji
Komolgrov-Smirnov berdasarkan data transform-LN dari lima variabel ROE, EM, FS, DER, NPM ditunjukkan pada gambar dan tabel sebagai berikut;
Dari grafik normal probability plots titik-titik menyebar berhimpit di sekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal. Uji
komolgrov-smirnov dapat dilakukan untuk menguji apakah residual terdistribusi secara normal. Hasil uji Komolgrov-Smirnov dapat dilihat pada Tabel 4.3 sebagai
berikut :
Tabel 4.3 One-Sample Kolmogorov-Smirnov Test
ROE N
63 Normal Parameters
a,b
Mean -2.00191749
Std. Deviation .746248956
Most Extreme Differences
Absolute .152
Positive .107
Negative -.152
Kolmogorov-Smirnov Z 1.209
Asymp. Sig. 2-tailed .107
a. Test distribution is Normal. b. Calculated from data.
Sumber ; Output SPSS versi 19; One Sample Kolmogrov Smirnov
Universitas Sumatera Utara
43 Hasil sampel pada Tabel 4.3 tersebut menunjukkan bahwa nilai kolmogrov
–smirnov sebesar 1.209 dan tingkat signifikan pada 0,107. Hal ini berarti H0 diterima, maka data residual terdistribusi normal. Hasil konsisten dengan uji
sebelumnya.
4.2.2.2 Uji Multikolinearitas
Untuk mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen yang digunakan, dapat diketahui melalui variance inflation factor
VIF. Hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari empat variabel independen yang digunakan LnROE, LnEM, LnFS, LnDER, LnNPM
dapat dilihat pada Tabel 4.4 sebagai berikut:
Tabel 4.4. Uji Variance Inflation Factor VIF Coefficients
MODEL Collinearity Statistics
Tolerance VIF
Constant LnEM
.904 1.107
LnFS .993
1.007 LnDER
.821 1.218
LnNPM .894
1.119
a.Dependent Variable: LnROE Sumber : Output SPSS versi 19; Coefficients
