Uji Normalitas Uji Multikolinearitas Uji Autokorelasi

54 = ukuran bank = standar error

3.6.3 Uji Asumsi Klasik Uji asumsi klasik dalam penelitian ini digunakan untuk mengetahui

hubungan antar variabel penelitian yang ada dalam model regresi. Pengujian yang digunakan adalah uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas.

3.6.3.1 Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal atau tidak. Ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan grafik dan uji statistik Ghozali, 2005. 1. Analisis Grafik Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. 2. Analisis Statistik Uji yang digunakan adalah uji statistik Kolmogorov-Smirnov K-S. Dasar pengambilan keputusan pada analisis Kolmogrov-Smirnov Z 1-Sample KS adalah apabila nilai Asymp. Sig. 2-tailed kurang dari 0.05, maka H0 ditolak. Hal ini berarti data residual tidak Universitas Sumatera Utara 55 terdistribusi secara normal. Sedangkan apabila nilai Asymp. Sig. 2- tailed lebih besar dari 0.05, maka H0 diterima. Ha ini berarti data residual terdistribusi normal.

3.6.3.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Dalam model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinearitas dapat diketahui dengan cara menganalisis matrik korelasi variabel-variabel independen. Selain itu juga dapat diketahui melalui nilai tolerance dan variance inflation factor VIF yang dihasilkan oleh variabel independen Ghozali, 2005.

3.6.3.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t saat ini dengan kesalahan pengganggu pada periode t-1 sebelumnya. Suatu model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi sering terjadi pada sampel dengan time series. Untuk mendeteksi ada atau tidaknya autokorelasi ada beberapa cara yang dapat digunakan yaitu Uji Durbin Watson, Uji Runs Test. Dasar pengambilan keputusan ada atau tidaknya autokorelasi dengan menggunakan Durbin Watson adalah sebagai berikut Ghozali, 2005 : Run test digunakan sebagai bagian dari statistik non-parametik Universitas Sumatera Utara 56 dapat pula digunakan untuk menguji apakah antara residual terdapat korelasi yang tinggi. Jika diantara residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Tabel 3.4 Dasar Pengambilan Keputusan Ada atau Tidaknya Autokorelasi Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif tidak ada autokorelasi, positif atau negatif Tolak No decision Tolak No decision Tidak ditolak 0 DW d L d L ≤ DW ≤ d U 4 – d L DW 4 4 – d U ≤ DW ≤ 4 – d L d U DW 4 - d U

3.6.3.4 Uji Heteroskedastisitas