Statistik Deskriptif ANALISIS DAN PEMBAHASAN

79 Dilihat dari hasil olahan data yang telah ditunjukkan seperti pada tabel diatas, terlihat bahwa nilai tolerance lebih dari 0,1 semua dan nilai VIF tidak ada yang melebihi 10 maka dapat disimpulkan tidak terjadi multikolenieritas atau tidak terjadi korelasi yang kuat antar variabel independen dalam model regresi. b Uji Heterokedastisitas Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2006. Model regresi yang baik adalah dalam data tersebut tidak terjadi heteroskedastisitas. Salah satu cara untuk melihat ada tidaknya heterokedaskitas adalah menggunakan uji Glejser. Uji ini dilakukan dengan cara melakukan regresi variabel bebas dengan nilai absolut dari residualnya. Jika variabel bebas signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedaskitas. Jika asymp sig. pada masing- masing variabel independen 5, maka data tidak mengalami heteroskedastisitas, dan sebaliknya. 80 Tabel 5.4. Hasil Uji Heterokedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .784 .300 2.617 .010 NPL -.024 .050 -.048 -.480 .632 CAR .007 .012 .054 .535 .594 LDR -.003 .003 -.106 -1.011 .314 NIM -.008 .024 -.035 -.321 .749 a. Dependent Variable: abresid Sumber: Data dilolah, lampiran 7 Berdasarkan pengujian ada tidaknya heterokedaskitas menggunakan uji Glejser, maka akan terlihat hasil seperti pada tabel diatas. Karena dari data terlihat bahwa asymp sig pada masing- masing variabel bebas yaitu NPL = 0,632 0,05, CAR = 0,594 0.05, LDR = 0,314 0,05 dan NIM = 0,749 0.05 maka dapat disimpulkan tidak terjadi masalah heteroskedastisitas pada masing-masing variabel. c Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Pengujian Autokorelasi dilakukan dengan menggunakan uji Durbin- Watson. Seperti pada kriteria pengujian sebelumnya, model 81 regresi yang baik adalah tidak terjadi masalah Autokorelasi. Pengujian ini akan terbebas dari masalah Autokorelasi jika dud4-du maka tidak ada Autokorelasi, positif atau negatif dan keputusannya data diterima. Tabel 5.5. Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .685 a .469 .449 .75347 2.133 a. Predictors: Constant, NIM, NPL, CAR, LDR b. Dependent Variable: ROA Sumber: Data diolah, lampiran 7 Berdasarkan pengujian ada tidaknya masalah Autokorelasi menggunakan uji Durbin-Watson, maka akan terlihat hasil seperti pada tabel diatas. Berdasarkan tabel Durbin- Watson dengan tingkat sign ifikansi sebesar 5 untuk “k”= 4 dan N = 22x5 = 110 nilai du dan dl bisa diketahui yaitu du= 1,7651 dan dl= 1,6146. Dengan menggunakan asumsi kriteria Uji Autokorelasi dud4-du, maka akan terlihat 1,7651 2,133 4- 1,7651 maka tidak terjadi Autokorelasi

3. Analisis Regresi Data Panel