81
Grafik histogram memberikan pola distribusi yang mendekati normal sedangkan grafik normal probability-plot yaitu bahwa titik-titik menyebar hanya di
sekitar garis diagonal dan mengikuti arah garis diagonal. Hasil ini konsisten dengan uji Kolmogorov-Smirmov yang dijelaskan di atas. Berdasarkan grafik histogram dan
grafik normal probability-plot tersebut dapat dikatakan bahwa data secara umum terdistribusi secara normal.
4.2.2.2 Hasil Uji Multikolinearitas
Uji multikolinieritas dilakukan dengan melihat nilai tolerance dan variance inflation factor VIF. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinieritas adalah nilai tolerance ≤ 0,10 dan nilai VIF ≥ 10.
Tabel 4.4 Hasil Uji Multikolinearitas
sebelum diobati
Sumber: Data sekunder setelah diolah dengan SPSS, 2010
Coefficients
a
381.278 329.269
1.158 .252
98.693 61.200
.295 1.613
.113 .450
2.224 1.529
1.456 .149
1.050 .298
.745 1.342
-1.680 3.708
-.064 -.453
.652 .749
1.336 -462.593
160.889 -.691
-2.875 .006
.261 3.834
-5.592 27.428
-.086 -.204
.839 .085
11.766 -11.002
6.381 -.363
-1.724 .090
.340 2.939
-2.982 3.201
-.370 -.931
.356 .096
10.470 .160
.710 .038
.225 .823
.522 1.917
.435 3.534
.020 .123
.902 .563
1.777 Constant
RR CAR
NPL NPM
ROA NIM
BOPO LDR
GWM Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: PL a.
82
Hasil uji multikolinearitas yang terdapat pada tabel 4.4 menunjukan bahwa terdapat variabel independen yang memiliki nilai tolerance kurang dari 0,10 yaitu
variabel ROA dan BOPO. Variabel ROA memiliki nilai tolerance sebesar 0,085 sedangkan variabel BOPO mempunyai nilai tolerance sebesar 0,96. Hal ini berarti
bahwa terdapat korelasi antar variabel independen yang nilainya lebih besar dari 95 . Hasil perhitungan untuk Variance Inflation Factor VIF menunjukkan bahwa terdapat
dua variabel independen yang memiliki VIF lebih dari 10. Variabel tersebut adalah variabel ROA dengan nilai VIF sebesar 11,766 dan variabel BOPO sebesar 10,470.
Dikarenakan dalam penelitian ini terdapat dua variabel yang mempunyai tolerance ≤ 0,10 dan nilai VIF ≥ 10, maka dapat dikatakan bahwa terdapat masalah
multikolinearitas. Salah satu cara yang dapat digunakan untuk mengobati masalah
multikolinearitas adalah dengan melakukan transformasi variabel. Transformasi variabel merupakan salah satu cara mengurangi hubungan linier diantara variabel
independen Ghozali, 2006. Transformasi dapat dilakukan dalam bentuk logaritma natural. Variabel yang memiliki masalah multikolinearitas tersebut ditransformasi
dalam bentuk logaritma natural. Variabel ROA ditransformasi menjadi LnROA sedangkan
variabel BOPO
ditransformasi menjadi
LnBOPO. Hasil
uji multikolinearitas setelah dilakukan pengobatan dengan transformasi variabel
independen dapat dilihat pada tabel 4.5.
83
Tabel 4.5 Hasil Uji Multikolinearitas
setelah diobati Coefficientsa
Sumber: Data sekunder setelah diolah dengan SPSS, 2010 Hasil uji multikolinieritas terdapat pada tabel 4.5 menunjukkan bahwa tidak
ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti bahwa tidak ada korelasi antar variabel independen yang nilainya lebih besar dari
95. Hasil perhitungan untuk Variance Inflation Factor VIF juga menunjukkan hal yang sama bahwa tidak ada variabel independen yang memiliki nilai VIF lebih dari 10.
Dengan demikian, dapat disimpulkan bahwa tidak ada multikolinieritas yang terjadi antar variabel independen dalam model regresi.
4.2.2.3 Hasil Uji Autokorelasi
