asumsi klasik terpenuhi. Berikut ini merupakan penjelasan mengenai tahapan- tahapan pengujian dalam penelitian ini.
1. Uji Asumsi Klasik
Sebelum dilakukan analisis terlebih dahulu dilakukan uji prasyarat analisis agar kesimpulan tidak menyimpang, untuk itu perlu dilakukan
uji normalitas data, uji multikolinieritas, uji autokorelasi, dan uji heteroskedastisitas.
a. Uji Normalitas Data
Uji normalitas data digunakan untuk mengetahui apakah data yang akan dianalisis tersebut berdistribusi normal atau tidak. Uji
normalitas data dalam penelitian ini menggunakan uji Kolmogorov- Smirnof. Uji Kolmogorov-Smirnof menggunakan bantuan SPSS versi
19 untuk mengetahui apakah data berdistribusi normal atau tidak haya dilihat pada baris Asymph. Sig 2-tailed. Jika nilai tersebut
kurang dari taraf signifikansi yang ditentukan misalnya 5 maka data tersebut tidak berdistribusi normal, sebaliknya jika Asymph. Sig
lebih dari atau sama dengan 5 maka data berdistribusi normal Muhson, 2005.
b. Uji Multikolinearitas
Multikolinearitas artinya antara variabel independen yang terdapat dalam model memiliki hubungan yang mendekati sempurna
Koefisien tinggi atau = 1. Adanya multikolinearitas akan menyebabkan ketidak pastian estimasi, sehingga mengarah
kesimpulan yang menerima hipotess nol. Menurut Ghozali 2011 untuk menguji ada tidaknya gejala multikolinearitas digunakan
Tolerance Value atau Variance Inflation Factor VIF. Jika nilai VIF dibawah 10 dan Tolerance Value di atas 0,10 maka tidak terjadi
multikolinearitas dan sebaliknya, jika nilai VIF di atas 10 dan Tolerance Value dibawah 0,10, maka terdapat gejala
multikolinearitas.
c. Autokorelasi
Autokorelasi adalah keadaan residual pada periode pengamatan berkorelasi dengan residual lain. Autokorelasi menyebabkan
parameter yang diestimasi menjadi bias dan variannya tidak minimal serta tidak efisiennya parameter atau estimasi. Salah satu cara untuk
mendeteksi adanya autokorelasi adalah dengan uji Durbin Watson. Uji ini sangat populer digunakan dalam mendeteksi ada tidaknya
autokorelasi dalam model estimasi. Nilai hitung ini otomatis dihitung oleh SPSS ketika diregres dan di sediakan hasilnya bersama-sama
dalam tampilan regresi. Caranya adalah dengan membandingkan nilai DW hitung dengan DW tabel. Jika nilai DW hitung DW tabel
maka tidak terdapat autokorelasi dalam model tersebut Ghozali, 2011.
Pengambilan keputusan ada tidaknya autokorelasi didasarkan pada ketentuan berikut:
Tabel 1. Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis nol
Keputusan Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif
Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif
Tidak ada autokorelasi positifnegatif Tolak
No decision Tolak
No decision Terima
0 d dl dl ≤ d ≤ du
4 – dl d 4 4 – du ≤ d ≤ 4 – du
Du d 4 - du
Sumber: Ghozali 2011
d. Heteroskedastisitas
Heteroskedastisitas adalah variabel pengganggu dimana memiliki varian yang berbeda dari satu observasi lainnya atau varian
antar variabel independen tidak sama, hal ini melanggar asumsi homoskedastisitas yaitu setiap variabel penjelas memiliki varian
yang sama. Kriteria yang digunakan untuk menyatakan apakah terjadi heteroskedastisitas atau tidak diantara data pengamatan dapat
dijelaskan menggunakan koefisien signifikansi. Koefisien signifikansi harus dibandingkan dengan tingkat α yang ditetapkan
sebelumnya biasanya 5. Apabila koefisien signifikansi nilai probabilitas lebih dari α yang ditetapkan, maka dapat disimpulkan
tidak terjadi heteroskedastisitas. Cara yang digunakan untuk mendeteksi ada atau tidaknya
heteroskedastisitas dalam penelitian ini dengan menggunakan uji
Glejser yaitu meregres nilai absolut residual terhadap variabel independen. Hal ini terlihat dari probabilitas signifikansinya di atas
tingkat 5, jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas Ghozali, 2011:143.
2. Uji Parsial Uji Statistik t
Pengujian terhadap hasil regresi dilakukan dengan menggunakan uji statistik t. Uji t ini bertujuan untuk mengetahui ada tidaknya pengaruh
dari Indeks CAR, LDR, NPL dan BOPO secara parsial terhadap Profitabilitas perbankan.
Pengujian ini dilakukan pada tingkat keyakinan 95 dengan ketentuan sebagai berikut :
1 Apabila tingkat signifikansi lebih besar dari 5 maka dapat disimpulkan bahwa H
diterima dan Ha ditolak 2 Apabila tingkat signifikansi lebih kecil dari 5 maka dapat
disimpulkan bahwa H ditolak dan Ha diterima
Hipotesis yang telah diajukan dirumuskan sebagai berikut : 1 Pengaruh Capital Adequacy Ratio Terhadap Profitabilitas Perbankan
H
01
: β
1
≤ 0, artinya tidak terdapat pengaruh positif Capital Adequacy Ratio terhadap Profitabilitas Perbankan
Ha
1
: β
1
0, artinya terdapat pengaruh positif Capital Adequacy Ratio terhadap Profitabilitas Perbankan