4.3.2 Uji Asumsi Klasik
Uji asumsi klasik dalam analisis korelasi kanonikal diperlukan untuk mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
klasik. Uji asumsi klasik juga dilakukan terhadap tiap-tiap fungsi dalam korelasi kanonikal.
Menurut Ghozali dalam Widyaningrum, 2009:50, asumsi normalitas, heteroskedastisitas, multikolinearitas dan linearitas diperlukan
dalam korelasi kanonikal. Pelanggaran terhadap asumsi ini akan menurunkan korelasi antarvariabel.
4.3.2.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
normalitas variabel tersebut terdistribusi secara normal. Uji normalitas juga dilakukan pada tiap-tiap fungsi dalam korelasi kanonikal untuk
mengetahui apakah model regresi yang digunakan memenuhi asumsi normalitas. Uji normalitas dilakukan dengan analisis statistik dan analisis
grafik histogram dan normal probability plot. Dalam analisis statistik, dilakukan dengan alat uji statistik
Kolmogorov Smirnov . Apabila nilai signifikansi 0,05, berarti variabel
terdistribusi secara normal. Hasil output SPSSnya disajikan dalam tabel berikut ini:
55
Universitas Sumatera Utara
Hasil output SPSS pengujian normalitas sebelum transformasi data disajikan pada tabel 4.14 berikut ini:
Tabel 4.14 Uji Normalitas Variabel Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test DAR
LDER TIER
ROA ROE NPM
N 63 63
63 63
63 63
Normal Mean ,3565
,1363 12,0725
,0816 ,1287 ,0729
Parameters
a,b
Std. Deviation ,08827
,09145 8,90984
,05209 ,08743 ,04757 Absolute ,093
,153 ,176
,105 ,093
,118 Most Extreme
Positive ,056
,153 ,176
,105 ,093 ,118 Differences
Negative -,093
-,084 -,096
-,085 -,087 -,096 Kolmogorov-Smirnov Z
,737 1,215
1,394 ,834 ,736 ,935
Asymp. Sig. 2-tailed ,649
,104 ,041
,489 ,650 ,346 a.
Test distribution is Normal. b. Calculated
from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan Tabel 4.14, dapat dilihat bahwa variabel yang
terdistribusi secara normal dengan nilai signifikansi di atas 5 adalah variabel DAR 0.649, LDER 0.104, ROA 0.489, ROE 0.650 dan
NPM 0.346. Sedangkan variabel TIER dapat dikatakan tidak berdistribusi normal karena nilai signifikansinya berada di bawah 5,
yaitu 0.041. Menurut Santoso 2014:47, jika sebuah variabel mempunyai
sebaran data yang tidak normal, maka ada beberapa perlakuan yang dimungkinkan agar data menjadi normal. Salah satu caranya adalah dengan
melakukan transformasi data, misalnya ke bentuk logaritma natural Ln atau ke bentuk lainnya, kemudian dilakukan pengujian ulang.
56
Universitas Sumatera Utara
Oleh karena itu, peneliti memutuskan untuk melakukan transformasi data terhadap semua variabel menjadi bentuk Logaritma natural Ln, agar
variabel-variabel dalam penelitian ini memenuhi asumsi normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik. Hasil output
SPSSnya disajikan pada tabel 4.15 berikut ini: Tabel 4.15
Uji Normalitas Variabel Setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
LnDAR LnLDER LnTIER
LnROA LnROE LnNPM
N 63 63
63 63
63 63
Mean -1,0651 -2,2697
2,1533 -2,8024
-2,3911 -2,9085
Normal Parameters
a,b
Std. ,27177
,82947 ,98292
,88962 ,97811 ,85541
Deviation Absolute ,104
,091 ,137
,151 ,155 ,147
Most Extreme Positive
,066 ,071
,082 ,106
,085 ,092 Differences
Negative -,104
-,091 -,137
-,151 -,155 -,147
Kolmogorov-Smirnov Z ,822
,721 1,086
1,200 1,231 1,170
Asymp. Sig. 2-tailed ,509
,676 ,189
,112 ,097 ,129
a. Test distribution is Normal.
b. Calculated from
data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan Tabel 4.16, dapat dilihat bahwa seluruh variabel telah
terdistribusi secara normal karena nilai signifikansinya berada di atas tingkat kepercayaan 5, yaitu LnDAR0.509, LnLDER0.676,
LnTIER0.189, LnROA0.112, LnROE0.097 dan LnNPM0.129. Hal ini menunjukkan bahwa semua variabel dan fungsi kanonikal telah
terdistribusi secara normal. Selain uji normalitas terhadap variabel secara terpisah, analisis
korelasi kanonikal juga mensyaratkan adanya pengujian terhadap tiap-tiap 57
Universitas Sumatera Utara
fungsi dalam korelasi kanonikal. Dalam hal ini, peneliti melakukan uji normalitas dengan analisis statistik dan grafik pada ke tiga fungsi dalam
korelasi kanonikal sesuai dengan jumlah variabel dependennya. Hasil output SPSSnya adalah sebagai berikut:
1 Terhadap variabel dependen ROA Hasil pengujian normalitas terhadap variabel dependen ROA akan
disajikan pada tabel 4.16 berikut ini: Tabel 4.16
Uji Normalitas LnROA = fLnDAR,LnLDER,LnTIER
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a,b
Mean ,0000000 Std. Deviation
,59424910 Absolute ,098
Most Extreme Differences Positive
,044 Negative -,098
Kolmogorov-Smirnov Z ,778
Asymp. Sig. 2-tailed ,580
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.16, dapat dikatakan bahwa nilai residual dari
fungsi LnROA = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal dengan tingkat signfikansi di atas 5 yaitu 0.580.
Uji normalitas fungsi LnROA = fLnDAR,LnLDER,LnTIER juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.1
58
Universitas Sumatera Utara
dan normal probability plot yang akan disajikan pada gambar 4.2 berikut ini :
Gambar 4.1 Grafik Histogram LnROA = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan gambar 4.1, terlihat bahwa grafik histogram fungsi
LnROA = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
5 9
Universitas Sumatera Utara
Gambar 4.2 Normal P-P Plot
LnROA = fLnDAR,LnLDER,LnTIER Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.2, terlihat bahwa Normal P-P Plot fungsi LnROA = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal. 2 Terhadap variabel dependen ROE
Hasil pengujian normalitas terhadap variabel dependen ROE akan disajikan pada tabel 4.17 berikut ini:
6 0
Universitas Sumatera Utara
Tabel 4.17 Uji Normalitas LnROE = fLnDAR,LnLDER,LnTIER
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a,b
Mean ,0000000 Std. Deviation
,61145267 Absolute ,080
Most Extreme Differences Positive
,050 Negative -,080
Kolmogorov-Smirnov Z ,636
Asymp. Sig. 2-tailed ,813
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.17, dapat dikatakan bahwa nilai residual dari
fungsi LnROE = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal dengan tingkat signfikansi di atas 5 yaitu 0.813.
Uji normalitas fungsi LnROE = fLnDAR,LnLDER,LnTIER juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.3
dan normal probability plot yang akan disajikan pada gambar 4.4 berikut ini :
6 1
Universitas Sumatera Utara
Gambar 4.3 Grafik Histogram LnROE = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan gambar 4.3, terlihat bahwa grafik histogram fungsi
LnROE = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Gambar 4.4 Normal P-P Plot
LnROE = fLnDAR,LnLDER,LnTIER Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
62
Universitas Sumatera Utara
Berdasarkan gambar 4.4, terlihat bahwa Normal P-P Plot fungsi LnROE = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal. 3 Terhadap variabel dependen NPM
Hasil pengujian normalitas terhadap variabel dependen NPM akan disajikan pada tabel 4.18 berikut ini:
Tabel 4.18 Uji Normalitas LnNPM = fLnDAR,LnLDER,LnTIER
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a,b
Mean ,0000000 Std. Deviation
,63339415 Absolute ,118
Most Extreme Differences Positive
,054 Negative
-,118 Kolmogorov-Smirnov Z
,935 Asymp. Sig. 2-tailed
,347 a.
Test distribution is Normal. b.
Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.18, dapat dikatakan bahwa nilai residual dari
fungsi LnNPM = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal dengan tingkat signfikansi di atas 5 yaitu 0.347.
Uji normalitas fungsi LnNPM = fLnDAR,LnLDER,LnTIER juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.5
dan normal probability plot yang akan disajikan pada gambar 4.6 berikut ini :
63
Universitas Sumatera Utara
Gambar 4.5 Grafik Histogram LnNPM = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan gambar 4.5, terlihat bahwa grafik histogram fungsi
LnNPM = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Gambar 4.6 Normal P-P Plot
LnNPM = fLnDAR,LnLDER,LnTIER Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
64
Universitas Sumatera Utara
Berdasarkan gambar 4.6, terlihat bahwa Normal P-P Plot fungsi LnNPM = fLnDAR,LnLDER,LnTIER telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal. Berdasarkan tabel 4.16–4.18 dan gambar 4.1- 4.6 dapat
disimpulkan bahwa ketiga fungsi dalam korelasi kanonial memenuhi asumsi normalitas.
4.3.2.2 Uji Heteroskedastisitas
Untuk pengujian heteroskedastisitas, peneliti menggunakan alat analisis grafik Scatterplot dan analisis statistik. Pada analisis grafik
Scatterplot, deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat jika tidak ada pola tertentu pada grafik Scatterplot maka
tidak terjadi heteroskedastisitas dengan kata lain homoskedastisitas. Sedangkan dengan analisis statistik, uji heteroskedastisitas
dilakukan dengan korelasi Spearman’s rho yaitu mengkorelasikan variabel independen dengan nilai unstandardized residual. Pengujian menggunakan
tingkat signifikansi 5 dengan uji 2 sisi. Jika korelasi antara variabel independen 5 maka dapat dikatakan bahwa tidak terjadi masalah
heteroskedastisitas. Uji heteroskedastisitas dalam anaisis korelasi kanonikal dilakukan
pada tiap-tiap fungsi dalam korelasi kanonikal. Oleh karena itu, akan dilakukan tiga kali pengujian terhadap masing-masing variabel dependen.
6 5
Universitas Sumatera Utara
1 Terhadap Variabel dependen LnROA Hasil pengujian heteroskedastisitas terhadap fungsi LnROA =
fLnDAR,LnLDER,LnTIER dengan analisis statistik korelasi Spearman’s rho dan analisis grafik Scatterplot dapat dilihat pada tabel 4.19 dan gambar
4.7 di bawah ini: Tabel 4.19
Uji Heteroskedastisitas LnROA = fLnDAR,LnLDER,LnTIER
Correlations LnDAR
LnLDER LnTIER Unstandardized
Residual Spearmans Correlation
Coefficient 1,000
,453 -,131 ,016
rho LnDAR Sig.
2-tailed .
,000 ,306 ,903
N 63 63
63 63
Correlation Coefficient ,453
1,000 -,042 -,036
LnLDER Sig. 2-tailed
,000 .
,742 ,779 N 63
63 63
63 Correlation Coefficient
-,131 -,042
1,000 ,095
LnTIER Sig. 2-tailed
,306 ,742
. ,461 N 63
63 63
63 Correlation Coefficient
,016 -,036
,095 1,000
Unstandardiz Sig. 2-tailed
ed Residual ,903
,779 ,461 .
N 63 63
63 63
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.19, dapat dilihat bahwa seluruh variabel
independen memiliki probabilitas signifikansi di atas tingkat kepercayaan 5 yaitu LnDAR0.903, LnLDER0.779, dan LnTIER0.461. Maka
dapat disimpulkan tidak mengandung adanya heteroskedastisitas
66
Universitas Sumatera Utara
Gambar 4.7 Grafik Scatterplot LnROA = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.7, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada fungsi LnROA = fLnDAR,LnLDER,LnTIER.
2 Terhadap Variabel dependen LnROE Hasil pengujian heteroskedastisitas terhadap fungsi LnROE =
fLnDAR,LnLDER,LnTIER dengan analisis statistik korelasi Spearman’s rho dan analisis grafik Scatterplot dapat dilihat pada tabel 4.20 dan gambar
4.8 di bawah ini:
6 7
Universitas Sumatera Utara
Tabel 4.20 Uji Heteroskedastisitas LnROE = fLnDAR,LnLDER,LnTIER
Correlations LnDAR LnLDER
LnTIER Unstandardized
Residual Spearmans Correlation
Coefficient 1,000
,453 -,131 ,019
rho LnDAR Sig. 2-tailed
. ,000
,306 ,883 N 63
63 63
63 Correlation Coefficient
,453 1,000
-,042 -,066 LnLDER Sig.
2-tailed ,000
. ,742 ,610
N 63 63
63 63
Correlation Coefficient -,131
-,042 1,000
,011 LnTIER Sig.
2-tailed ,306
,742 . ,930
N 63 63
63 63
Correlation Coefficient ,019
-,066 ,011
1,000 Unstandardized
Sig. 2-tailed ,883
,610 ,930
. Residual
N 63 63
63 63
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.20, dapat dilihat bahwa seluruh variabel
independen memiliki probabilitas signifikansi di atas tingkat kepercayaan 5 yaitu LnDAR0.883, LnLDER0.610, dan LnTIER0.930. Maka
dapat disimpulkan tidak mengandung adanya heteroskedastisitas
68
Universitas Sumatera Utara
Gambar 4.8 Grafik Scatterplot LnROE = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.8, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada fungsi LnROE = fLnDAR,LnLDER,LnTIER.
3 Terhadap Variabel dependen LnNPM Hasil pengujian heteroskedastisitas terhadap fungsi LnNPM =
fLnDAR,LnLDER,LnTIER dengan analisis statistik korelasi Spearman’s rho dan analisis grafik Scatterplot dapat dilihat pada tabel 4.21 dan gambar
4.9 di bawah ini:
6 9
Universitas Sumatera Utara
Tabel 4.21 Uji Heteroskedastisitas LnNPM = fLnDAR,LnLDER,LnTIER
Correlations LnDAR
LnLDER LnTIER Unstandardized
Residual Spearmans Correlation
Coefficient 1,000
,453 -,131 -,022
rho LnDAR Sig. 2-tailed
. ,000
,306 ,867 N 63
63 63
63 Correlation Coefficient
,453 1,000
-,042 -,015 LnLDER Sig.
2-tailed ,000
. ,742 ,907
N 63 63
63 63
Correlation Coefficient -,131
-,042 1,000
,044 LnTIER Sig.
2-tailed ,306
,742 . ,732
N 63 63
63 63
Correlation Coefficient -,022
-,015 ,044
1,000 Unstandardized
Sig. 2-tailed ,867
,907 ,732
. Residual
N 63 63
63 63
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan tabel 4.21, dapat dilihat bahwa seluruh variabel
independen memiliki probabilitas signifikansi di atas tingkat kepercayaan 5 yaitu LnDAR0.867, LnLDER0.907, dan LnTIER0.732. Maka
dapat disimpulkan tidak mengandung adanya heteroskedastisitas
70
Universitas Sumatera Utara
Gambar 4.9 Grafik Scatterplot LnNPM = fLnDAR,LnLDER,LnTIER
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.9, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada fungsi LnNPM = fLnDAR,LnLDER,LnTIER.
Berdasarkan tabel 4.19 – 4.21 dan gambar 4.7 – 4.9, dapat disimpulkan bahwa ketiga fungsi dalam korelasi kanonial memenuhi
asumsi heteroskedastisitas.
7 1
Universitas Sumatera Utara
4.3.2.3 Uji Multikolinearitas
Untuk mendeteksi ada atau tidaknya multikolinearitas, dapat dilakukan dari hasil output SPSS dengan melihat nilai tolerance dan
Variance inflation factor VIF. Nilai yang umum dipakai untuk mendeteksi adanya gejala multikolineritas adalah Jika Tolerance 0,1
sedangkan VIF 10. Ghozali, dalam Widyaningrum, 2009:68. Uji multikolinearitas dalam anaisis korelasi kanonikal dilakukan
pada tiap-tiap fungsi dalam korelasi kanonikal. Oleh karena itu, akan dilakukan empat kali pengujian terhadap masing-masing variabel dependen.
Berikut ini adalah tabel hasil output uji multikolinearitas dari tiap fungsi kanonikal:
1 Terhadap Variabel Dependen LnROA Hasil uji multikolinearitas terhadap fungsi LnROA=
fLnDAR,LnLDER,LnTIER akan disajikan pada tabel 4.22 berikut ini : Tabel 4.22
Uji Multikolinearitas LnROA= fLnDAR,LnLDER,LnTIER
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
1 Constant -3,472 ,366
-9,494 ,000
LnDAR ,204 ,320 ,062
,638 ,526
,792 1,263
LnLDER ,211 ,105
,197 2,010
,049 ,791
1,264 LnTIER ,634 ,079
,701 8,052
,000 ,998
1,002 a. Dependent Variable: LnROA
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
72
Universitas Sumatera Utara
Berdasarkan Tabel 4.22, dapat disimpulkan bahwa LnROA= fLnDAR,LnLDER,LnTIER, tidak menunjukkan adanya gejala
multikolinearitas dilihat dari nilai Jika Tolerance 0,1 dan VIF 10. 2
Terhadap Variabel Dependen LnROE Hasil uji multikolinearitas terhadap fungsi LnROE=
fLnDAR,LnLDER,LnTIER akan disajikan pada tabel 4.23 berikut ini : Tabel 4.23
Uji Multikolinearitas LnROE= fLnDAR,LnLDER,LnTIER
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B Std.
Error Beta Tolerance VIF
Constant -2,700 ,376
-7,174 ,000
LnDAR ,525 ,329 ,146
1,594 ,116
,792 1,263
1 LnLDER ,279
,108 ,237
2,585 ,012
,791 1,264
LnTIER ,697 ,081 ,701
8,600 ,000
,998 1,002
a. Dependent Variable: LnROE
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan Tabel 4.23, dapat disimpulkan bahwa LnROE=
fLnDAR,LnLDER,LnTIER, tidak menunjukkan adanya gejala multikolinearitas dilihat dari nilai Jika Tolerance 0,1 dan VIF 10.
3 Terhadap Variabel Dependen LnNPM
Hasil uji multikolinearitas terhadap fungsi LnNPM= fLnDAR,LnLDER,LnTIER akan disajikan pada tabel 4.24 berikut ini :
7 3
Universitas Sumatera Utara
Tabel 4.24 Uji Multikolinearitas LnNPM= fLnDAR,LnLDER,LnTIER
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
Constant -3,586 ,390
-9,199 ,000
LnDAR ,072 ,341
,023 ,211
,834 ,792
1,263 1
LnLDER ,193 ,112 ,187
1,724 ,090
,791 1,264 LnTIER ,553 ,084
,636 6,591
,000 ,998
1,002 a. Dependent Variable: LnNPM
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014 Berdasarkan Tabel 4.24, dapat disimpulkan bahwa LnNPM=
fLnDAR,LnLDER,LnTIER, tidak menunjukkan adanya gejala multikolinearitas dilihat dari nilai Jika Tolerance 0,1 dan VIF 10.
Berdasarkan Tabel 4.22 - 4.24, dapat disimpulkan dalam ketiga fungsi kanonikal tidak menunjukkan adanya gejala multikolinearitas
diluhat dari nilai Tolerance 0,1 dan VIF 10.
4.3.2.4 Uji Linearitas
Korelasi dianggap linear dengan memperhatikan nilai R Square pada taraf nyata 0.01 Siregar, 2005:8. Uji linearitas dilakukan dengan
melakukan analisis korelasi-regresi dengan berturut-turut menggunakan LnROA, LnROE, dan LnNPM sebagai variael dependen, sedangkan
variabel lainnya yaitu LnDAR, LnLDER, dan LnTIER digunakan sebagai variabel independen. Hasil output SPSS lengkap dapat dilihat pada
lampiran 4. Ringkasan hasil pengujian disajikan dalam tabel di bawah ini:
74
Universitas Sumatera Utara
1 Terhadap Variabel Dependen LnROA
Hasil uji linearitas akan disajikan pada tabel 4.25 berikut ini: Tabel 4.25
Uji Linearitas terhadap Variabel Dependen LnROA
Variabel Independen
R Square
Keterangan LnDAR 0.021 Linear
LnLDER 0.062
Linear LnTIER 0.500 Linear
Sumber : Lampiran 4 Berdasarkan tabel 4.25, dapat dilihat bahwa variabel independen
LnDAR, LnLDER dan LnTIER memiliki hubungan yang linear dengan variabel dependen LnROA dilihat dari nilai R Squarenya yang berada di
atas tingkat kepercayaan 1. 2
Terhadap Variabel Dependen LnROE Hasil uji linearitas akan disajikan pada tabel 4.26 berikut ini:
Tabel 4.26 Uji Linearitas terhadap Variabel Dependen LnROE
Variabel Independen
R Square
Keterangan LnDAR 0.061 Linear
LnLDER 0.107 Linear LnTIER
0.501 Linear
Sumber : Lampiran 4 Berdasarkan tabel 4.26, dapat dilihat bahwa variabel independen
LnDAR, LnLDER dan LnTIER memiliki hubungan yang linear dengan variabel dependen LnROE dilihat dari nilai R Squarenya yang berada di
atas tingkat kepercayaan 1.
7 5
Universitas Sumatera Utara
3 Terhadap Variabel Dependen LnNPM Hasil uji linearitas akan disajikan pada tabel 4.27 berikut ini:
Tabel 4.27 Uji Linearitas terhadap Variabel Dependen LnNPM
Variabel Independen
R Square
Keterangan LnDAR 0.011 Linear
LnLDER 0.048
Linear LnTIER
0.412 Linear
Sumber : Lampiran 4 Berdasarkan tabel 4.27, dapat dilihat bahwa variabel independen
LnDAR, LnLDER dan LnTIER memiliki hubungan yang linear dengan variabel dependen LnNPM dilihat dari nilai R Squarenya yang berada di
atas tingkat kepercayaan 1.
4.4 Analisis Korelasi Kanonikal dan Uji Hipotesis