Lampiran Irfan
Lampiran 1 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
100 100 100 100 100 100 2.0547 5.2356 21.6284 88.2695 157.0646 .1600 2.8347 7.3813 20.6689 8.9831 697.3009 .3685 .240 .283 .251 .071 .492 .508
.223 .283 .236 .071 .492 .508
a,b Absolute Positive Negative Most Extreme
Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) ROA MSDN CAR BOPO LDR OWNER
- .240 -.241 -.251 -.056 -.420 -.332 1.005 1.273 1.250 .711 1.222 1.079 .332 .116 .140 .692 .163 .317 N Mean Std. Deviation Normal Parameters
Test distribution is Normal.
a.
Calculated from data.
b.
Uji Normalitas Berdasarkan tabel diatas, dapat diketahui bahwa seluruh variabel memiliki asymp sig diatas 0,05, hal ini berarti bahwa seluruh variabel berdistribusi normal.
Lampiran 2 Regression b Variables Entered/Removed
Variables Variables Model Entered Removed Method
1 OWNER, CAR, LDR,
. Enter BOPO,
a
MSDN a. All requested variables entered.
b.
Dependent Variable: ROA
b Model Summary
Adjusted Std. Error of Durbin-W Model R R Square R Square the Estimate atson
a
1 .668 .447 .417 2.1643 2.092 a.
Predictors: (Constant), OWNER, CAR, LDR, BOPO, MSDN b. Dependent Variable: ROA
R sebesar 0.668, berarti bahwa hubungan antara Variabel Dependent dan Variabel Independet tergolong kuat (>0.5)
R Square sebesar 0.447, berarti bahwa sebesar 44.7% perubahan yang terjadi pada variabel DependentCoefficients a
6.717 2.263 2.969 .004 8.897E-03 .044 .023 .202 .840 .448 2.233 8.286E-02 .011 .604 7.750 .000 .969 1.032
- 7,33E-02 .025 -.232 -2.960 .004 .956 1.046
- 3,62E-04 .000 -.089 -1.140 .257 .965 1.036
.175 .877 .023 .200 .842 .453 2.208 (Constant) MSDN CAR BOPO LDR OWNER
Model
1 B Std. Error Unstandardized
Coefficients Beta
Standardi zed Coefficien ts t Sig. Tolerance
VIF Collinearity Statistics
Dependent Variable: ROA a.
Dari hasil analisis diatas didapat Model persamaam Regresi : ROA = 6.717 + 0.008897 MSDN + 0.08286 CAR - 0.0733 BOPO - 0.000362 LDR + 0.175 OWNER + e Uji T Pada tabel diatas variabel memiliki CAR dan BOPO memiliki t uji dengan tingkat signifikansi < 0.05, maka hal ini menandakan bahwa secara parsial variabel independent berpengaruh signifiakan terhadap variabel dependent. Dan sebaliknya pada variabel MSDN, LDR dan OWNER memiliki signifikansi t uji > 0,05. Hal ini menandaka bawa variabel bersangkutan tidak berpengaruh signifikan terhadap ROA
Coefficient Correlations a
5
1 Eigenvalue Condition Index (Constant) MSDN CAR BOPO LDR OWNER Variance Proportions
Collinearity Diagnostics
a3.423 1.000 .00 .02 .02 .00 .01 .01 1.190 1.696 .00 .05 .04 .00 .25 .10 .835 2.024 .00 .02 .03 .00 .72 .06 .359 3.089 .00 .01 .84 .00 .01 .05 .189 4.255 .00 .89 .03 .00 .00 .75 4.734E-03 26.888 .99 .03 .03 .99 .02 .02
Dimension
1
2
3
4
6 Model
Dependent Variable: ROA a.
Casewise Diagnostics a
5.464
24.62
99 100
Std. Residual ROA Dependent Variable: ROA a.
- 4.673 .90 Case Number
Residuals Statistics
a
- 5.1048 12.7935 2.0547 1.8942 100
- 10.1134 11.8265 8.882E-16 2.1089>3.780 5.669 .000 1.000 100
- 4.673 5.464 .000 .974 100 Predicted Value Residual Std. Predicted Value Std. Residual Minimum Maximum Mean Std. Deviation N a.
Lampiran 3 Uji Autokorelasi b Model Summary
Adjusted Std. Error of Durbin-W Model R R Square R Square the Estimate atson
a
1 .668 .447 .417 2.1643 2.092 a.
Predictors: (Constant), OWNER, CAR, LDR, BOPO, MSDN b. Dependent Variable: ROA
Uji Asumsi Klasik Autokorelasi
Dari hasil Model Summary diatas didapat hasil d = 2.092, sedangkan dari tabel Durbin Watson dengan n = 100 dan k =
5 didapat, dL = 1.571 dan dU = 1.780. Berdasarkan Tabel Kaidah Durbin Watson maka d terletak pada range dU < d < 4 - dU (1.780 < 2.092 < 2.22) dengan keputusan yang diambil Terima H1 yang menyatakan bahwa Tidak ada korelasi diri positif/negatif, atau dengan kata lain bahwa model ini bebas dari masalah Autokorelasi.Lampiran 4 Uji Multikolinieritas Coefficients a
6.717 2.263 2.969 .004 8.897E-03 .044 .023 .202 .840 .448 2.233 8.286E-02 .011 .604 7.750 .000 .969 1.032
- 7,33E-02 .025 -.232 -2.960 .004 .956 1.046
- 3,62E-04 .000 -.089 -1.140 .257 .965 1.036
.175 .877 .023 .200 .842 .453 2.208 (Constant) MSDN CAR BOPO LDR OWNER
Model
1 B Std. Error Unstandardized
Coefficients Beta
Standardi zed Coefficien ts t Sig. Tolerance
VIF Collinearity Statistics
Dependent Variable: ROA a.
Uji Asumsi Multikolinieritas Berdasarkan Singgih Santoso (282;1999), suatu model regresi bebas dari masalah Multikolinieritas bila memiliki VIF <
5. Dari hasil Coefficients diatas didapat masing-masing VIF < 5. Hal ini berarti bahwa model ini memenuhi asumsi
Lampiran 5 Uji Heteroskedastisitas Warnings
For models with dependent variable LNE2, the following variables are constants or have missing correlations: LNOWNER. They will be deleted from the analysis.
b Variables Entered/Removed
Variables Variables Model Entered Removed Method
1 LNLDR, LNMSDN,
. Enter LNBOPO,
a
LNCAR a. All requested variables entered.
b.
Dependent Variable: LNE2
Model Summary
Coefficients
a
- 51.564 27.666 -1.864 .089
1.679 .823 .684 2.041 .066 4.752 2.283 .737 2.081 .062 6.253 4.991 .338 1.253 .236
.863 .983 .219 .878 .399 (Constant) LNMSDN LNCAR LNBOPO LNLDR
Model
1 B Std. Error Unstandardized
Coefficients Beta
Standardi zed Coefficien ts t Sig.
Dependent Variable: LNE2 a.
Uji Heterokedastisitas Pengujian heterokedastisitas dilakukan dengan menggunakan metode Park, dengan membangun model Ln_e
2 = b0 +
b1 X1 ... + b5 x5. Dari hasil analisis sebagaimana tampak pada tabel diatas, dapat diketahui bahwa variabel LNMSDN,
LNCAR, LNBOPO, LN LDR tidak berpengaruh terhadap Ln_e
2 (tingkat signifikansi > 0,05). Hal ini menandakan bahwa model memenuhi asumsi heteroskedastisitas.
Nb. Tampak pada tabel diatas variabel OWNER secara otomatis di remove dari model regresi.