57
standart deviation simpangan baku sebesar 0,56947 dari jumlah sampel sebanyak 40.
3. Variabel inflasi memiliki nilai minimum sebesar 4,27 dan nilai maksimum sebesar 6,96. Dengan rata-rata inflasi sebesar dan standart deviation
simpangan baku sebesar 0,96497 dari jumlah sampel sebanyak 40. 4. Variabel Capital Adequacy Ratio CAR memiliki nilai minimum 10,64dan
nilai maksimum sebesar 76,39. Dengan rata-rata CAR sebesar21,1178dan standart deviation simpangan baku sebesar14,66858dari jumlah sampel
sebanyak 40. 5. Variabel Beban Operasional terhadap Pendapatan Operasional BOPO
memiliki nilai minimum sebesar 50,76dan nilai maksimum sebesar 182,31. Dengan rata-rata BOPO sebesar 89,1865dan standart deviation simpangan
baku sebesar17,88954dari jumlah sampel sebanyak 40. 6. Variabel Non Performing Financing NPF memiliki nilai minimum sebesar -
0,00 dan nilai maksimum sebesar 6,84. Dengan rata-rata NPF sebesar 2,6530dan standart deviation simpangan baku sebesar 1,71007dari jumlah
sampel sebanyak 40.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk melihat apakah data telah terdistribusi normal dengan uji normalitas dan untuk melihat apakah penelitian tersebut terjadi
multikolinearitas, heteroskedasitas dan autokorelasi atau tidak.
1. Uji Normalitas
Universitas Sumatera Utara
58
Uji normalitas residual bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali,
2013:160. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan histogram, scatter plot dan uji Kolmogorov-
Smirnov. Pada pendekatan histogram, data dikatakan normal ketika distribusi data
tersebut tidak menceng ke kiri atau ke kanan. Pada pendekatan grafik yang menggunakan scatter plot, data dikatakan normal ketika terlihat titik yang
mengikuti data di sepanjang garis diagonal. Pendekatan kolmogorov-smirnov untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal
dengan melihat data residualnya. Jika nilai signifikansi lebih besar dari 0,05 maka data tersebut normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka data
tersebut tidak normal.
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.1 Grafik Histogram
Regression Standardized Residual
4 3
2 1
-1 -2
Frequency
12.5 10.0
7.5 5.0
2.5 0.0
Histogram Dependent Variable: ROA
Mean =1.99E-15 Std. Dev. =0.934
N =40
Universitas Sumatera Utara
59
Dengan melihat tampilan grafik histogram diatas dapat disimpulkan bahwa grafik tersebut memberikan pola distribusi normal, karena kurvanya tidak miring
ke kiri atau ke kanan.
Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.2 Grafik
Normal Plot
Pada Gambar 4.2 dapat dilihat bahwa titik-titik menyebar disekitar garis diagonal. Hal ini menunjukkan data berdistribusi normal. Untuk lebih memastikan
data berdistribusi normal, dilakukan uji Kolmogorov-Smirnov seperti Tabel 4.2 dibawah ini:
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed Cum
Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: ROA
Universitas Sumatera Utara
60
Tabel 4.2 Uji Kolmogorov-Smirnov
Sumber: Hasil Penelitian, 2015 Data Diolah Sumber: Hasil Penelitian, 2015 Data Diolah
Pada hasil uji Kolmogorov-Smirnov, nilai Asymp. Sig. 2-Tailed yaitu sebesar 0,428 atau 42,8. Nilai ini lebih besar dari signifikan yaitu 0,05 atau 5.
Artinya, variabel residual berdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Dalam penelitian
ini uji multikoloniearitas dapat dilihat dari nilai tolerance dan variance inflation factor VIF Ghazali, 2013:105. Multikoloniearitas tidak terjadi jika VIF10 dan
nilai tolerance0,10.
One-Sample Kolmogorov-Smirnov Test
40 ,0000000
,47149273 ,138
,138 -,080
,875 ,428
N Mean
Std. Dev iat ion Normal Parameters
a,b
Absolute Positiv e
Negat iv e Most Extreme
Dif f erences Kolmogorov -Smirnov Z
Asy mp. Sig. 2-t ailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Universitas Sumatera Utara
61
Tabel 4.3 Uji Multikolinearitas
Sumber: Hasil Penelitian, 2015 Data Diolah
Pada Tabel 4.3 diatas, perhitungan tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti
tidak ada korelasi antara variabel independen. Sementara perhitungan nilai Variance Inflation Factor VIF tidak ada yang lebih dari 10. Jadi dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2013:139. Beberapa cara untuk
mendekteksi ada atau tidaknya heteroskedasitas dengan cara melihat Grafik Plot dan Uji Glejser.
Coeffici ents
a
7,728 ,986
7,840 ,000
-,279 ,200
-,156 -1,397
,171 ,506
1,977 -,084
,112 -,080
-,752 ,457
,557 1,795
-,006 ,007
-,085 -,825
,415 ,588
1,700 -,046
,005 -,799
-9,533 ,000
,896 1,116
-,045 ,061
-,075 -,733
,469 ,598
1,673 Constant
SukuBunga Inf lasi
CAR BOPO
NPF Model
1 B
Std. Error Unstandardized
Coef f icients Beta
Standardized Coef f icients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: ROA a.
Universitas Sumatera Utara
62 Sumber: Hasil Penelitian, 2015 Data Diolah
Gambar 4.3 Grafik
Scatterplot
Pada Gambar 4.3 memperlihatkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heteroskedasitas pada model regresi, sehingga model regresi ini layak untuk digunakan. Selanjutnya untuk melihat ada tidaknya
heteroskedastisitas, dapat dilakukan uji glejser seperti pada Tabel 4.4 dibawah ini:
Tabel 4.4 Hasil Uji Glejser
Sumber: Hasil Penelitian, 2015 Data Diolah
Regression Standardized Predicted Value
4 2
-2 -4
-6
Regre ssion St
udentiz ed Re
sidual
4 3
2 1
-1 -2
Scatterplot Dependent Variable: ROA
Coeffici ents
a
1,484 ,617
2,404 ,022
-,199 ,125
-,339 -1,588
,122 -,016
,070 -,046
-,226 ,823
-,007 ,005
-,288 -1,452
,156 ,005
,003 ,256
1,591 ,121
-,018 ,038
-,092 -,470
,641 Constant
SukuBunga Inf lasi
CAR BOPO
NPF Model
1 B
Std. Error Unstandardized
Coef f icients Beta
Standardized Coef f icients
t Sig.
Dependent Variable: ABS_RES a.
Universitas Sumatera Utara
63
Pada uji glejser diatas menunjukkan bahwa variabel suku bunga, inflasi, CAR, BOPO, dan NPF memiliki nilai signifikansi diatas 0,05 atau 5. Artinya,
tidak terjadi heteroskedastisitas pada kelima variabel independen tersebut.
4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Menurut Ghazali 2013:110 untuk mendeteksi ada atau tidaknya autokorelasi dapat menggunakan uji Durbin-Watson
DW test.
Tabel 4.5 Hasil Uji Durbin-Watson
Sumber: Hasil Penelitian, 2015 Data Diolah
Uji autokorelasi pada Tabel 4.5 menunjukkan bahwa nilai Durbin-Watson sebesar 1,658. Nilai d dibandingkan dengan nilai dl dan du pada n = 40 dan k = 5
sehingga diperoleh nilai dl sebesar 1,2305 dan du sebesar 1,7859 sehingga 4-du = 2,2141. Hal ini sesuai dengan ketentuan du d 4-du, yaitu 1,2305 1,658
2,2141 yang menunjukkan bahwa tidak terjadi autokorelasi positif dan negatif, sehingga dapat disimpulkan bahwa analisis regresi tidak terdapat autokorelasi.
Model Summary
b
,886
a
,786 ,754
,50497 1,658
Model 1
R R Square
Adjusted R Square
St d. Error of the Estimate
Durbin- Wat son
Predictors: Const ant , NPF, BOPO, I nf lasi, CAR, SukuBunga a.
Dependent Variable: ROA b.
Universitas Sumatera Utara
64
4.2.3 Analisis Regresi Linier Berganda
