Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R eg
re ss
io n
S tu
de nt
iz ed
R es
id ua
l
4 2
-2
Scatterplot Dependent Variable: LN_ROA
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 11 Berdasarkan grafik scatterplots di atas terlihat bahwa titik- titik menyebar
secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model
regresi. Artinya bahwa model ini layak dipakai untuk memprediksi ROA bank umum nasional di Bursa Efek Indonesia BEI dengan menggunakan variabel
bebas yaitu NPL, LDR, CAR dan NIM.
4. Analisis Regresi
Universitas Sumatera Utara
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian
hipotesis. Adapun hasil pengolahan data dengan analisis regresi adalah sebagai berikut :
Tabel 4.8 Hasil Analisis Regresi
Variabel Unstandarized
Coefficients B t hitung
Sig. Keterangan
Constant 0.233
X1 -0.255
-4.005 0.000
signifikan X2
-0.228 -0.925
0.359 Tidak signifikan
X3 0.807
3.242 0.001
signifikan X4
1.293 5.537
0.000 signifikan
R = 0,713 Adjusted R Square = 0,472
F Hitung = 14,381 Sig. F = 0.000
α = 0.05 n = 88
t tabel, α = 5 = 1,999 F tabel, α = 5 = 2,5368
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 12 Variabel terikat pada regresi ini adalah LN ROA Y sedangkan variabel
independen adalah variabel LN NPLX
1
, LN LDRX
2
, LN CAR X
3
dan LN NIM X
4
. Berdasarkan penjelasan dari pengujian asumsi klasik sebelumnya, model regresi dalam penelitian ini telah diubah menjadi model logaritma natural,
sehingga beta dan koefisien dari penelitian ini dapat disimpulkan dalam bentuk logaritma natural dan tidak dapat diinterpretasikan.
Universitas Sumatera Utara
Model regresi berdasarkan hasil dalam tabel 4.11 diatas adalah sebagai berikut Y = 0,232 - 0, 255 X
1
– 0, 228 X
2
+ 0,807 X
3
+ 1,293 X
4
+
ε
Dimana : Y
= LN ROA X
1
= LN NPL mewakili risiko kredit X
2
= LN LDR mewakili risiko likuiditas X
3
= LN CAR mewakili risiko modal X
4
= LN NIM mewakili risiko tingkat bunga
ε =
tingkat kesalahan pengganggu Persamaan regresi di atas dapat diinterpretasikan sebagai berikut ini :
a. α = 0, 232 = konstanta Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai NPL,
LDR, CAR dan NIM yang terbentuk, makan nilai ROA adalah sebesar 0, 232.
b. β
1
= -0,255 = risiko kredit yang diproksikan dalam NPL Koefisien regresi ini menunjukkan bahwa setiap kenaikan NPL sebesar 1
satuan, maka akan menurunkan ROA sebesar 0,255. Jika dihubungkan dengan risiko, karena risiko kredit dan NPL berbanding lurus, maka
dapat dikatakan bahwa jika risiko kredit meningkat sebesar 1 satuan, maka akan menurunkan ROA sebesar 0,255.
Universitas Sumatera Utara
c. β
2
= - 0,228 = risiko likuiditas yang diproksikan dalam LDR Koefisien regresi ini menunjukkan bahwa setiap kenaikan LDR sebesar 1
satuan, maka akan menurunkan ROA sebesar 0,228. Jika dihubungkan dengan risiko, karena risiko likuiditas dan LDR berbanding terbalik,
maka dapat dikatakan bahwa jika risiko likuiditas meningkat sebesar 1 satuan, maka akan menurunkan ROA sebesar 0,228.
d. β
3
= 0,807 = risiko modal yang diproksikan dalam CAR Koefisien regresi ini menunjukkan bahwa setiap kenaikan CAR sebesar 1
satuan, maka akan menaikkan ROA sebesar 0,806. Jika dihubungkan dengan risiko, karena risiko modal dan CAR berbanding terbalik, maka
dapat dikatakan bahwa jika risiko modal meningkat sebesar 1 satuan, maka akan menurunkan ROA sebesar 0,228.
e. β
4
= 1,293 = risiko tingkat bunga yang diproksikan dalam NIM. Koefisien regresi ini menunjukkan bahwa setiap kenaikan NIM sebesar 1
satuan, maka akan menaikkan ROA sebesar 1,293. Jika dihubungkan dengan risiko, karena risiko tingkat bunga dan NIM berbanding terbalik,
maka dapat dikatakan bahwa jika risiko tingkat bunga meningkat sebesar 1 satuan, maka akan menurunkan ROA sebesar 1,293.
f. Angka koefisien korelasi R sebesar 0,713 menunjukkan bahwa korelasihubungan antara variabel ROA dengan variabel bebas lainnya
sangat kuat, definisi korelasi kuat ini didasarkan pada nilai R berada di atas 0,5 dan mendekati 1,0
Universitas Sumatera Utara
g. Angka koefisien determinasi Adjusted R Square adalah 0,472 atau 47,2 variasi dari ROA bisa dijelaskan oleh variasi dari keempat
variabel bebas, sedang sisanya sebesar 52,8 dijelaskan oleh faktor lainnya.
h. Hasil uji ANOVA atau F test, didapat F hitung sebesar 14,381 dengan tingkat signifikansi 0.000. Karena probabilitas 0.000 lebih kecil dari
0.05 maka model regresi dalam penelitian ini bisa dipakai untuk memprediksi ROA. Selain itu, bisa disimpulkan bahwa variabel bebas
LN NPL, LN LDR, LN CAR dan LN NIM secara simultan berpengaruh terhadap ROA.
5. Pengujian Hipotesis
