BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Data penelitian
Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari situs
www.idx.co.id dan data yang diambil adalah laporan keuangan yang berupa
laporan laba rugi dan neraca serta ikhtisar keuangan bank yang menjadai sampel dalam penelitian ini, dimana yang menjadi sampel dalam penelitian ini adalah
perbank yang terdaftar di Bursa Efek Indonesia sejak tahun 2008 hingga 2010. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft
excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan
menggunakan software SPSS versi 18. Adapun informasi yang dibutuhkan dari laporan keuangan perusahaan adalah informasi yang berhubungan dengan
variabel penelitian yang disajikan dalam lampiran ii.
4.2 Hasil Uji asumsi klasik
4.2.1 Uji Normalitas Data
Uji Normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal. Cara yang digunakan untuk mendeteksi
apakah residual berdistribusi normal atau tidak dalam penelitian ini adalah dengan melakukan analisis grafik, yang terdiri dari histogram dan Normal
probability plot, serta analisis statistik dengan menggunakan uji Kolmogorov- Smirnov K-S.
Hasil uji grafik dalam penelitian ini menunjukkan distribusi residual yang relatif normal. Ditunjukkan dengan grafik histogram yang tidak menceng ke kiri
atau ke kanan, Normal probability plot yang menunjukkan pola titik-titik yang menyebar mendekati dan searah garis diagonal grafik dan nilai residual pada uji
Kolmogorov-Smirnov K-S menunjukkan nilai yang lebih besar dari 0,05, hal ini mengindikasikan data sudah relatif normal.. Hasil normalitas data dengan
menggunakan grafik histogram dan Normal probability plot dapat dilihat pada gambar 4.1 di bawah ini juga dikuatkan dengan uji Kolmogorov-Smirnov.
Gambar 4.1 Uji Kolmogorov- Smirnov
Sumber : output SPSS yang diolah oleh penulis, 2012
Grafik Histogram di atas menunjukan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik Histogram yang menunjukan distribusi data
mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik
plot yang ditampilkan.
Gambar 4.2 Uji Normalitas dengan Plot
Sumber : output SPSS yang diolah oleh penulis, 2012
Menurut Ghozali 2005 : 110, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika
data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukan data yang telah terdistribusi normal. Gambar 4.2 menunjukan bahwa
data titik menyebar disekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi
normal. Karena secara keseluruhan data terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainya.
Tabel 4.1 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 42
Normal Parameters
a,b
Mean .0000000
Std. Deviation .33974604
Most Extreme Differences
Absolute .166
Positive .166
Negative -.117
Kolmogorov-Smirnov Z 1.076
Asymp. Sig. 2-tailed .197
a. Test distribution is Normal. b. Calculated from data.
Sumber : output SPSS yang diolah oleh penulis, 2012
Dari keterangan di atas, dapat disimpulkan bahwa data bersifat normal dengan kriteria:
1 N = 42, yang berarti jumlah sampel yang diamati adalah 42 sampel data. Nilai Kolmogorov-Smirnov = 1,076 dengan nilai signifikansi p
lebih besar dari 0,05 0,197 0,05 pada uji normalitas Kolmogorov- Smirnov. Oleh karena nilai p untuk setiap variabel yang diuji lebih
besar dari 0,05 maka diketahui bahwa data variabel dengan jumlah sampel sebanyak 42 adalah normal atau memenuhi syarat Uji
Normalitas. 2 Jadi dapat disimpulkan bahwa secara keseluruhan distribusi residual
sudah normal. Dengan demikian, syarat pertama dalam melakukan uji- t dan uji-F sudah terpenuhi.
4.2.2 Uji Multikolinearitas