Pada tabel di atas, dapat dilihat bahwa nilai Kolmogorov-Smirnov adalah 0,512 dan nilai signifikansi 0,956. Nilai signifikansi di atas 0,05 menunjukkan
bahwa data berdistribusi normal.
2.2.5.2 Uji Multikolinearitas
“Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen,” Ghozali, 2013:105. Deteksi multikolinearitas dapat dilakukan dengan menganalisis
matriks korelasi antar variabel independen dan dengan melihat nilai tolerance dan lawannya VIF. Adapun hasil uji multikolinearitas dengan menggunakan matriks
korelasi sebagai berikut :
Tabel 4.3 Hasil Uji Multikolinearitas Dengan Matriks Korelasi
Correlations
ROA KAP
TSB LDR
Pearson Correlation ROA
1.000 .259
-.311 .207
KAP .259
1.000 -.222
.071 TSB
-.311 -.222
1.000 -.267
LDR .207
.071 -.267
1.000
Sig. 1-tailed ROA
. .005
.001 .022
KAP .005
. .015
.245 TSB
.001 .015
. .004
LDR .022
.245 .004
.
N ROA
96 96
96 96
KAP 96
96 96
96 TSB
96 96
96 96
LDR 96
96 96
96
Sumber : Output SPSS 20, data sekunder yang diolah, 2015 Melihat hasil besaran korelasi antar variabel independen bahwa hanya
variabel kualitas aktiva produktif KAP X
1
yang mempunyai korelasi cukup tinggi dengan variabel loan to deposit ratio LDR X
3
dengan tingkat korelasi sebesar -0,267 atau sekitar 26. Oleh karena korelasi ini masih dibawah 95,
maka dapat dikatakan tidak terjadi multikolinearitas yang serius. Selain menggunakan matriks korelasi, multikolinearitas juga dapat
dideteksi dengan melihat nilai tolerance dan lawannya VIF. Tolerance mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF tinggi
VIF=1Tolerance dan menunjukkan adanya kolonteritas yang tinggi. Nilai cutoff yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF di atas
10. Tingkat kolonteritas yang dapat ditolerir adalah nilai tolerance 0,10 sama dengan tingkat multikolinearitas 0,95. Berikut ini hasil uji multikolinearitas
dengan melihat nilai tolerance dan lawannya VIF :
Tabel 4.4 Hasil Uji Multikolinearitas Dengan Nilai
Tolerance dan VIF
Model Collinearity Statistics
Tolerance VIF
1 Constant
KAP .950
1.052 TSB
.887 1.127
LDR .929
1.077
a. Dependen Variabel : ROA Sumber : Output SPSS 20, data sekunder yang diolah, 2015.
Hasil perhitungan nilai tolerance juga menunjukkan tidak ada variabel independen yang memiliki tolerance kurang dari 0,10 yang berarti tidak ada
korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang
sama tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada mulktikolinearitas antar variabel independen
dalam regresi.
2.2.5.3 Uji Heteroskedastisitas