Untuk pengembangan sistem teknologi informasi, PT. Bank Sumut pada Tahun 1971 menerapkan sistem Ruf, mesin Auditronic 730 semi komputer, lalu
mikro komputer merk Monroe dan mini komputer mesin Wang. Tahun 1997 dikembangkan paket Software aplikasi Sysbank namun masih bersifat off line.
Kemudian baru di tahun 2002 sampai sekarang menggunakan teknologi sistem informasi yang terintegrasi secara on line yang disebut Online Integrated Banking
System Olib.
4.1.6. Analisis Statistik Deskriptif Tabel 4.2. Analisis Deskriptif
Berdasarkan Tabel 4.1, dapat diketahui bahwa dari 32 data rasio keuangan yg telah diolah dapat dilihat minimum nilai rasio pada BOPO sebesar 0,56 yang
terlihat pada Maret 2010 dan maximum sebesar 0,81 pada September 2006, dengan rata-rata nilai rasio sebesar 0,7028. Cost efficiency ratio memiliki nilai
rasio minimum sebesar 0,19 pada Maret 2010 dan maximum sebesar 0,63 pada Juni 2008 dengan rata-rata nilai rasio sebesar 0,4763.
Overhead Efficiency memiliki nilai rasio minimum sebesar 0,13 pada Desember 2009 dan maximum sebesar 1,22 pada Maret 2010 dengan rata-rata
nilai rasio sebesar 0,3318. Liquidity Risk memiliki nilai rasio minimum sebesar -
Descriptive Statistics
32 .56
.81 .7028
.08170 32
.19 .63
.4763 .11179
32 .13
1.22 .3318
.21147 32
-1.29 .04
-.3676 .22395
32 .06
.24 .1297
.04658 32
.05 .24
.1277 .04787
32 .03
.08 .0457
.01427 32
Biaya Operasional Cost Efficiency Ratio
Overhead Efficiency Liquidity Risk
Capital Risk Deposit Risk
Return on Asset Valid N listwise
N Minimum
Maximum Mean
Std. Deviation
Universitas Sumatera Utara
1,29 pada Juni 2010 dan maximum sebesar 0,04 pada Juni 2011 dengan rata-rata nilai rasio sebesar -0,3676. Capital risk memiliki nilai rasio minimum sebesar
0,06 pada Juni 2010 dan maximum sebesar 0,24 Desember 2004 dengan rata-rata nilai rasio sebesar 0,1297. Deposit risk memiliki nilai minimum sebesar 0,05
pada September 2010 dan maximum sebesar 0,24 pada Juni 2010 dengan rata-rata nilai rasio sebesar 0,1277. Dan return on asset memiliki nilai rasio minimum
sebesar 0.03 pada Desember 2011 dan maximum sebesar 0,08 pada Maret 2010 dengan rata-rata nilai rasio sebesar 0.0457.
4.1.7. Pengujian Asumsi Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi linier berganda, maka diperlukan pengujian asumsi klasik pada hipotesis
pertama yang meliputi pengujian: 1 Normalitas, 2 Multikolinieritas, 3 Heteroskedastisitas, dan 4 Autokorelasi.
1. Uji Normalitas Uji normalitas pada penelitian ini dilakukan dengan menggunakan uji
Kolmogrov-Smirnov K-S, dimana jika angka signifikansi yang di tunjukkan dalam tabel lebih kecil dari pada alpha 5, maka dapat dikatakan data tidak
memenuhi asumsi normalitas, sedangkan sebaliknya apabila angka signifikansi didalam tabel lebih besar dari alpha 5 maka data telah
memenuhi uji normalitas. Ghozali,2005. Bentuk uji normalitas penelitian ini adalah sebagai berikut:
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2011 Data Diolah
Gambar 4.1. Grafik Uji Normalitas
Universitas Sumatera Utara
Uji normalitas dapat dilihat dari Kolmogrov-Sumirnov K-S adalah sebagai berikut:
Tabel 4.3. Hasil Uji Kolmogrov-Smirnov Unstandardized Residual
N 32
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 27.83383782
Most Extreme Differences
Absolute .086
Positive .086
Negative -.080
Kolmogorov-Smirnov Z .485
Asymp. Sig. 2-tailed .973
a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2011 Data Diolah
Berdasarkan hasil uji normalitas yang dilihat dari Kolmogrov-Smirnov K-S yakni nilai signifikansi diatas 0,05 dengan nilai asymp.Sig 2-tailed sebesar
0,973 bahwa data penelitian ini berdistribusi normal. 2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah data ditemukan korelasi diantara variabel bebas independet variabel. Jika terjadi korelasi maka
terdapat masalah multikolinieritas. Bentuk uji Multikolinieritas penelitian adalah sebagai berikut:
Universitas Sumatera Utara
Tabel 4.4. Hasil Uji Multikolinieritas Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1506.142 60.147
25.041 .000
Biaya Operasional -.180
.012 -1.030 -15.472
.000 .344 2.910
Cost Efficiency Ratio
.011 .010
.088 1.078
.291 .228 4.395
Overhead Efficiency
.013 .004
.197 3.443
.002 .466 2.146
Liquidty Risk -.013
.005 -.198
-2.769 .010
.298 3.352 Capital Risk
.117 .030
.382 3.914
.001 .160 6.255
Deposit Risk -.063
.033 -.213
-1.942 .063
.127 7.898 a. Dependent Variable: Return on Asset
Sumber: Hasil Penelitian, 2011 Data Diolah
Pada Tabel 4.3 memperlihatkan semua nilai variabel independent memiliki nilai Tolerance 0,1 dan VIF 10. Hal ini berarti tidak terjadi
multikolinieritas. 3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakan dalam sebuah variabel model regresi terjadi ketidaksamaan dari residual suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual tetap, maka disebut homoskedatisitas dan jika varians berbeda disebut heteroskedatisitas. Berikut
ini uji heterokesdastisitas dengan menggunakan uji-glejser adalah sebagai berikut:
Universitas Sumatera Utara
Tabel 4.5. Hasil Uji-Glejser
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
10.582 32.979
.321 .751
Biaya Operasional .003
.006 .151
.488 .630
Cost Efficiency Ratio .000
.006 -.043
-.114 .910
Overhead Efficiency .000
.002 -.038
-.143 .888
Liquidty Risk -.003
.002 -.347
-1.043 .307
Capital Risk .014
.016 .376
.826 .416
Deposit Risk -.026
.018 -.750
-1.469 .154
a. Dependent Variable: Absut
Sumber: Hasil Penelitian, 2011 Data Diolah
Beradasarkan pada Tabel 4.4 dapat dilihat bahwa tingkat signifikansi pada uji- glejser diatas 5 atau 0,05, hal ini menunjukkan bahwa tidak terjadi
heteroskesdastisitas. Sedangkan grafik uji heterokedastisitas penelitian ini adalah sebagai berikut:
Gambar 4.2. Grafik Uji Heteroskedastisitas
Universitas Sumatera Utara
Berdasarkan pada uji heteroskedastitas bahwa tidak terjadi heteroskedatistas, dikarenakan kurva menyebar dibawah titik 0 dan diatas titik 0.
4. Uji Autokorelasi
Tabel 4.6. Hasil Uji Autokorelasi Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
1 .981
a
.962 .953
30.994 1.270
a. Predictors: Constant, Deposit Risk, Cost Efficiency Ratio, Liquidty Risk, Overhead Efficiency, Biaya Operasional, Capital Risk
b. Dependent Variable: Return on Asset
Sumber : Hasil Penelitian, 2011 Data Diolah
Berdasarkan pada Tabel 4.5 dapat diketahui bahwa nilai dari Durbin- Watson sebesar 1.270 dengan nilai du sebesar 1.11, sehingga diperoleh 1.11
1.270 2.89. Menunjukkan bahwa terjadi autokorelasi yang lemah dikarenakan d terletak diantara du dan 4-du, sehingga dapat juga disimpulkan tidak terjadi
autokorelasi.
4.1.8. Hasil Regresi Berganda 4.1.8.1. Uji-F Uji Serempak
