demikian dari semua uji yang telah dilakukan dapat disimpulkan bahwa data berdistibusi normal.
4.2.2.2. Uji Multikolineritas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka
dikatakan terdapat masalah multikolineritas. Tabel 4.4
Uji Multikolineritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
CAR 0,811
1,234 BOPO
0,728 1,374
NIM 0,661
1,512 LDR
0,74 1,352
LnNPL 0,957
1,045
Sumber: Hasil Output SPSS
Dari perhitungan dengan menggunakan SPSS hasil uji Variance Inflation Factor VIF menunjukkan nilai kurang dari 5 VIF 5 jadi dapat disimpulkan
tidak terjadi masalah multikolineritas.
4.2.2.3 Uji Autokorelasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan
Universitas Sumatera Utara
penggangu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Gejala autokorelasi dideteksi
dengan menggunakan Durbin-Watson Test. Ketentuan uji DW adalah jika nilai DW hitung terletak diantara batas atas du dan batas bawah 4-du, maka dapat
dikatan bahwa model terbebas dari autokorelasi apabila dudw4-du. Tabel 4.5
Uji Autokorelasi Model
R R
Square Adjusted
R Square
Std. Error of
the Estimate
Durbin- Watson
1 0,837
0,7 0,683
0,60328 2,012
a.Predictors: Constant, LnNPL, CAR, LDR, BOPO, NIM b.Dependent Variable: ROA
Sumber : Hasil Output SPSS
4.2.2.4 Uji Heterokedastisitas
Untuk memperoleh tingkat uji heeterokedastisitas yang lebih signifikan, maka dalam penelitian ini juga dilakukan uji Glejser. Apabila signifikan lebih
besar dari taraf nyata, maka dianggap tidak terjadi masalah heterokedastisitas dan begitu juga sebaliknya.
Universitas Sumatera Utara
Tabel 4.6
Hasil Uji Heterokedastisitas Uji Glejser Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta 1 Constant
0,351 0,683 0,514 0,609
CAR -0,002 0,008
-0,022 -
0,202 0,84
NPL 0,047 0,032
0,149 1,457 0,149 BOPO
-0,006 0,007 -0,1
- 0,852
0,396 NIM
0,048 0,022 0,271 2,216 0,029
LDR 3,11E-
05 0,003
0,001 0,01 0,992
Unstandardized Residual
-0,017 0,072 -0,024 -0,24 0,811
Sumber : Hasil Output SPSS
Grafik scatterplot ditunjukkan pada grafik berikut :
Universitas Sumatera Utara
Gambar 4.3 Scatterplot Sumber: Hasil Output SPSS
Dari gambar dapat dilihat bahwa seluruh variabel terlihat penyebaran residual cenderung tidak teratur, terdapat beberapa plot yang berpencar dan tidak
membentuk pola tertentu. Singa dapat disimpulkan tidak terdapat gejala heterokedastisitas pada model regresi dalam penelitian ini.
Universitas Sumatera Utara
4.2.3. Pengujian Hipotesis 4.2.3.1`Uji Signifikasi Simultan Uji-F