korelasi pearson, analisis regresi linear sedarhana, uji-F, dan uji t. Terdapat dua variabel dalam penelitian yaitu:
1. Variabel bebas independent variable adalah variabel stimulus atau variabel yang mempengaruhi variabel lain. Variabel
independen dalam penelitian ini terdiri dari 3 yaitu: a. X
1
adalah Dana Pihak Ketiga DPK yang terdiri dari tabungan, giro, dan deposito.
b. X
2
adalah Pembiayaan, yang terdiri dari pembiayaan bagi hasil, pembiayaan jual beli dan pembiayaan sewa.
c. X
3
adalah Financing To Deposit Ratio FDR FDR = Total Pembiayaan X 100 persen .................…...1
Dana Pihak Ketiga 2. Variabel tergantung dependent variable adalah variabel yang
memberikan respon jika dihubungkan dengan variabel bebas. Variabel bebas dalam penelitian ini adalah laba yang diperoleh
dari laporan laba rugi bank.
a. Analisis Regresi Linier Berganda
Analisis regresi berganda menjelaskan seberapa jauh suatu peubah mempengaruhi peubah lainnya. Model regresi
berganda ditunjukkan oleh persamaan berikut ini: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ ..........................………......2 Keterangan :
Y = Laba X
1
= DPK X
2
= Pembiayaan X
3
= FDR a = Konstanta
b
1
= Koefisien regresi X
1
b
2
= Koefisien regresi X
2
b
3
= Koefisien regresi X
3
Ada beberapa asumsi yang harus dipenuhi oleh model regresi. Oleh karena itu diperlukan pengujian asumsi yang
meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, dan heteroskedastisitas Uyanto, 2009.
a Uji Normalitas
Uji normalitas merupakan uji yang dilakukan jika data yang digunakan kurang dari 30 untuk mengetahui
distribusi kenormalan data, yaitu apakah data dapat dianggap berdistribusi normal atau tidak. Ketika data telah
berdistribusi normal, maka data tersebut dapat diolah menggunakan statistik parametrik yang pada penelitian ini
menggunakan model regresi berganda. Untuk menguji kenormalan data dilakukan dengan menguji kenormalan
data residual. Uji normalitas dapat dilihat dengan nilai statistik kolmogorov-smirnov KS pada uji normalitas
residual. Jika nilai statistik KS lebih kecil dibanding nilai tabel KS dan nilai p-value lebih besar dari
α, maka asumsi kenormalan terpenuhi sehingga model regresi yang telah
dibuat dapat digunakan. b
Uji Multikolinearitas Multikolinearitas adalah kondisi dimana peubah-
peubah bebas memiliki korelasi diantara satu dengan yang lainnya. Jika peubah-peubah bebas memiliki korelasi sama
dengan satu atau berkorelasi sempurna mengakibatkan koefisien-koefisien regresi menjadi tidak dapat
diperkirakan dan nilai standar error setiap koefisien regresi menjadi tak hingga. Uji multikolinieritas adalah uji
untuk melihat apakah terdapat korelasi antara peubah bebas yang digunakan dalam model regresi. Untuk melihat
apakah ada multikolinieritas pada model regresi dilihat dari nilai variance inflation factor VIF. Jika nilai VIF
masing-masing peubah bebas memiliki nilai lebih besar
dari lima maka model regresi memiliki multikolinieritas sehingga menjadi tidak valid.
c Uji Autokolerasi
Penaksiran model regresi linear memiliki asumsi bahwa tidak terdapat korelasi serial atau autokorelasi.
Autokorelasi atau korelasi serial kemungkinan terjadi pada data time series. Model regresi yang baik tidak
memperkenankan terjadinya autokorelasi. Akibat dari terjadinya autokorelasi adalah pengujian hipotesis dalam
uji F tidak valid dan jika diterapkan akan memberikan kesimpulan yang menyesatkan pada tingkat signifikansi
dan koefisien regresi yang ditaksir. Untuk mendeteksi
terjadinya autokorelasi atau tidak dalam suatu model regresi dilakukan dengan menggunakan uji Autokorelasi
diidentifikasi dengan melakukan uji runtutan run test. Hipotesis yang digunakan adalah:
Ho : Tidak terdapat autokorelasi ordo 1 pada sisaan H1 : Terdapat autokorelasi ordo 1 pada sisaan
d Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan
varian dari residual untuk peubah bebas yang diketahui. Jika varian dari residual untuk peubah yang diketahui
tetap, disebut dengan homoskedastisitas. Jika varian berbeda, disebut heteroskedastisitas. Asumsi pada model
regresi adalah varian setiap variabel independen mempunyai nilai yang konstan atau memiliki varian yang
sama. Masalah heteroskedastisitas umumnya terjadi pada data
cross sectional . Konsekuensi dari adanya
heteroskedastisitas adalah kemungkinan untuk mengambil kesimpulan yang salah dalam uji F karena pengujian
tingkat signifikansi yang kurang kuat.
Untuk melihat apakah pada model regresi terdapat heteroskedastisitas dilihat dari sebaran titik-titik yang
tersebar pada output perhitungan dengan perangkat lunak Minitab. Sebaran titik-titik yang tidak membentuk pola
tertentu namun tersebar di atas dan di bawah nol menunjukkan bahwa model regresi tidak mengalami
masalah heteroskedastisitas.
b. Analisis Korelasi