sendiri, semakin tinggi tingkat pertumbuhan laba perusahaan, maka semakin besar jumlah dividen yang akan dibayarkan di masa yang akan datang. Hal ini
disebabkan, apabila perusahaan masih mempunyai kelebihan laba setelah membiayai semua kesempatan investasi yang diterima, maka laba ini akan
dibagikan kepada para pemegang saham dalam bentuk dividen kas.
G. Metode Regresi Linear Berganda
Pada penelitian ini, data awal berjumlah 105, tetapi hanya 97 data saja yang memenuhi untuk dijadikan data dalam penelitian karena terdapat 8 outlier.
Outlier yang muncul pada observasi tentunya akan mengganggu estimasi koefisien regresi yang dapat berakibat tidak tepatnya model yang dibuat. Setelah
observasi No. 64, 66, 101, 10, 27, 50, 43 dan 44 dari casewise dikeluarkan dan dilakukan pengolahan data, ternyata dari persamaan yang di dapat tidak lagi
ditemui outlier. Penulis melakukan pengujian asumsi klasik sebelum melakukan analisis
regresi. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan
tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi, yaitu:
1. Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal Situmorang, 2009:55.
Universitas Sumatera Utara
Gambar 4.1 : Histogram
Sumber : Hasil Olahan SPSS 16, 22 Maret 2010
Gambar 4.2 : Normal P-Plot
Sumber : Hasil Olahan SPSS 16, 22 Maret 2010
Universitas Sumatera Utara
Gambar 4.2 P-P plot menunjukkan bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data
yang diperoleh berdistribusi normal.
Uji normalitas juga dapat dilakukan dengan Kolmogorov Smirnov untuk mengetahui apakah CAR, NPL, NIM, BOPO, GWM dan LDR berdistribusi
normal atau tidak. Berikut adalah tabel hasil uji Kolmogorov Smirnov.
Tabel 4.8 Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 97
Normal Parameters
a
Mean .0000000
Std. Deviation .46281230
Most Extreme Differences Absolute
.105 Positive
.105 Negative
-.089 Kolmogorov-Smirnov Z
1.035 Asymp. Sig. 2-tailed
.234 a. Test distribution is Normal.
Sumber: Hasil Olahan SPSS 16, 22 Maret 2010
Menurut Situmorang 2009:62 bahwa, apabila pada hasil uji Kolmogorov Smirnov, nilai Asymp. Sig 2-
tailed lebih besar dari 0,05 α = 5, tingkat signifikan maka data berdistribusi normal. Probabilitas hasil uji Kolmogorov
Smirnov pada Tabel 4.8 yaitu 0.234 lebih besar dari 0,05 sehingga model regresi yang didapat adalah berdistribusi normal.
Universitas Sumatera Utara
2. Uji Asumsi Klasik
a. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengujian autokorelasi dapat dilihat
melalui angka Durbin-Watson pada Tabel 4.9 berikut ini.
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.372
a
.138 .081
.47799 1.750
a. Predictors: Constant, LDR, BOPO, NPL, CAR, GWM, NIM b. Dependent Variable: PERTUMBUHAN LABA
Sumber: Hasil Olahan SPSS 16, 22 Maret 2010
Data Tabel 4.9 di atas menunjukkan angka Durbin-Watson sebesar +1,750. Sesuai dengan Tabel 1.4 pada BAB I, maka apabila nilai Durbin-Watson
berada pada kisaran 1,55 – 2,46, maka dapat disimpulkan bahwa pada model regresi tidak terjadi autokorelasi.
b. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen atau tidak terjadi multikolinearitas. Gejala multikolinearitas dapat dilihat dari besarnya nilai
Tolerance dan Variance inflation Factor VIF.
Universitas Sumatera Utara
Pengujian multikolinearitas dapat dilihat pada Tabel 4.10 berikut ini:
Tabel 4.10 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.373 .554
.672 .503
CAR -.416
.509 -.087
-.817 .416
.849 1.178
NPL -7.730
3.205 -.244
-2.412 .018
.935 1.069
NIM 3.762
2.244 .182
1.676 .097
.810 1.235
BOPO -.548
.401 -.154
-1.367 .175
.754 1.326
GWM 1.131
1.848 .066
.612 .542
.816 1.226
LDR .207
.331 .067
.626 .533
.829 1.206
a. Dependent Variable: PERTUMBUHAN LABA
Sumber: Hasil Olahan SPSS 16, 22 Maret 2010
Data Tabel 4.10 di atas menunjukkan semua variabel independen memiliki angka VIF tidak lebih besar dari 5 dan nilai Tolerance lebih besar dari 0,1.
Model regresi tersebut tidak terkena multikolinearitas. c.
Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model
regresi terdapat ketidaksamaan varians dari residual satu pengamatan kepengamatan lainnya. Varians dari satu residual satu pengamatan ke
pengamatan lainnya jika tetap maka terjadi homoskedastisitas jika berbeda maka disebut heterokedastisitas. Model regresi yang baik adalah yang tidak
terjadi heterokedastisitas Situmorang, 2009:65.
Universitas Sumatera Utara
Hasil pengujian heteroskedastisitas dapat dilihat pada Gambar 4.2. Dari Gambar 4.2, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah
pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model
regresi.
Gambar 4.3 : Scatterplot
Sumber : Hasil Olahan SPSS 16, 22 Maret 2010
Universitas Sumatera Utara
Pengolahan data tersebut menghasilkan suatu model Regresi Linear Berganda sebagai berikut:
Y= 0,373 - 0,416X
1
– 7,730X
2
+ 3,762X
3
– 0,548X
4
+ 1,131X
5
+ 0,207X
6
+ e
Dimana: Y = Pertumbuhan Laba
X
1
= Capital Adequacy Ratio CAR X
2
= Non Performing Loans NPL X
3
= Net Interest Margin NIM X
4
= Biaya OperasionalPendapatan Operasional BOPO X
5
= Giro Wajib Minimum GWM X
6
= Loan to Deposit Ratio LDR e = error
Interpretasi model: a.
Konstanta a = 0,373 artinya tanpa mempertimbangkan variabel independen, maka pertumbuhan laba akan diperoleh sebesar 0,373.
b. Koefisien regresi CAR X
1
= -0,416 artinya setiap penambahan CAR sebesar 1, jika variabel lainnya dianggap konstan, maka akan
menurunkan negatif pertumbuhan laba sebesar 0,416. c.
Koefisien regresi NPL X
2
= -7,730 artinya setiap penambahan NPL sebesar 1, jika variabel lainnya dianggap konstan, maka akan
menurunkan negatif pertumbuhan laba sebesar 7,730.
Universitas Sumatera Utara
d. Koefisien regresi NIM X
3
= 3,762 artinya setiap penambahan NIM sebesar 1, jika variabel lainnya dianggap konstan, maka akan menambah
positif pertumbuhan laba sebesar 3,762. e.
Koefisien regresi BOPO X
4
= -0,548 artinya setiap penambahan BOPO sebesar 1, jika variabel lainnya dianggap konstan, maka akan
menurunkan negatif pertumbuhan laba sebesar 0,548. f.
Koefisien regresi GWM X
5
= 1,131 artinya setiap penambahan GWM sebesar 1, jika variabel lainnya dianggap konstan, maka akan menambah
positif pertumbuhan laba sebesar 1,131. g.
Koefisien regresi LDR X
6
= 0,207 artinya setiap penambahan LDR sebesar 1, jika variabel lainnya dianggap konstan, maka akan menambah
positif pertumbuhan laba sebesar 0,207.
3. Pengujian Kelayakan Model Uji Goodness of Fit Table 4.11