Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
e = Kesalahan pengganggu standard error
Interpretasi Model : 1.
Konstanta bernilai 0,313 menunjukkan bahwa perusahaan memiliki price earning ratio PER yang positif.
2. Variabel LN NPM X
1
bernilai -0,232. Hal ini menunjukkan bahwa jika nilai NPM bertambah satu satuan maka nilai PER akan berkurang sebesar 0,232
satuan dengan asumsi variabel independen lain konstan.
3. Variabel LN LAR X
2
bernilai –0,999. Hal ini menunjukkan bahwa jika nilai LAR bertambah satu satuan maka nilai PER akan berkurang sebesar
0,999 satuan dengan asumsi variabel independen lain konstan.
4. Variabel LN LDR X
3
bernilai 1,651. Hal ini menunjukkan bahwa jika nilai LDR bertambah satu satuan maka nilai PER akan bertambah sebesar 1,651
satuan dengan asumsi variabel independen lain konstan.
5. Variabel LN NPL X
4
bernilai -0,095. Hal ini menunjukkan bahwa jika nilai NPL bertambah satu satuan maka nilai PER akan berkurang sebesar 0,095
satuan dengan asumsi variabel independen lain konstan.
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Ada beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi berganda dapat digunakan dalam menganalisis faktor-faktor
yang mempengaruhi Price Eraning Ratio PER. Syarat-syarat yang tersebut antara lain:
1. Uji Normalitas Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi
sebuah data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal yakni tidak menceng ke kiri
atau ke kanan. a. Analisis Grafik
Gambar 4.1 Histogram Dependent Variabel PER Sumber : Hasil olahan SPSS 16.0 for windows
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Pada Gambar 4.1 histogram menunjukkan bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut yang tidak menceng ke
kiri ataupun ke kanan. Cara lain melihat uji normalitas dengan grafik adalah dengan melihat grafik normal p-p plot of regression standardized residual.
Gambar 4.2 menunjukkan bahwa titik-titik tidak berada di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual peneliti tidak mempunyai
distribusi normal.
Gambar 4.2 Normal P-P Plot of regression Standardized Residual Dependent Variabel PER
Sumber : Hasil olahan SPSS 16.0 for windows
Situmorang, dkk 2008, 62 menyatakan bahwa beberapa cara yang dapat dilakukan jika data menyebar secara tidak normal, caranya melalui:
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
1. melakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma Log atau natural Ln.
2. menambah jumlah data. 3. menghilangkan data yang dianggap sebagai penyebab tidak normalnya data.
4. menerima data apa adanya.
Penulis melakukan transformasi data dengan mengubah data menjadi bentuk natural Ln untuk mengatasi data yang tidak normal. Pada Gambar 4.3
terlihat titik yang mengikuti data di sepanjang garis diagonal setelah data ditransformasikan menjadi bentuk natural Ln. Hal ini berarti data berdistribusi
normal.
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Gambar 4.3 Normal P-P Plot of regression Standardized Residual Dependent Variabel LN_PER
Sumber : Hasil olahan SPSS 16.0 for windows
b. Analisis Statistik Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi
normal, maka dilakukan uji Kolmogorv-Smirnov dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Unstandardized Residual
N 72
Normal Parameters
a
Mean .0000000
Std. Deviation .61947186
Most Extreme Differences Absolute
.074 Positive
.038 Negative
-.074 Kolmogorov-Smirnov Z
.626 Asymp. Sig. 2-tailed
.828 a. Test distribution is Normal.
Sumber : Hasil olahan SPSS 16.0 for windows
Pada Tabel 4.8 menunjukkan bahwa variabel residual berdistribusi normal, karena terlihat nilai Unstandardized Residual Asymp. Sig. 2-tailed adalah 0,828.
Hal ini berarti nilai Symp. Sig 2-tailed lebih besar dari nilai signifikan sebesar 0,05.
2. Uji Multikolinearitas Multikolinearitas adalah suatu keadaan dimana variabel independen yang
satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat
dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS 16,0 for windows.
Tabel 4.9
Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.313 1.069
.292 .771
LN_NPM -.232
.090 -.273
-2.596 .012
.979 1.021
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
LN_LAR -.999
.360 -.471
-2.778 .007
.378 2.647
LN_LDR 1.651
.387 .700
4.267 .000
.404 2.478
LN_NPL -.095
.082 -.126
-1.155 .252
.916 1.092
a. Dependent Variable: LN_PER
Sumber : Hasil olahan SPSS 16.0 for windows Berdasarkan Tabel 4.9 di atas, empat variabel independen tersebut
memiliki VIF 5 dan Tolerance 0,1 maka tidak terdapat adanya gejala multikolinearitas pada persamaan regresi linear berganda ini.
3. Uji Autokorelasi Autokorelasi menunjukkan adanya kondisi yang berurutan antara
gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar
kesalahan pengganggu pada periode t dengan kesalahan periode t-1 Santoso, 2004.
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .522
a
.272 .229
.63770 2.104
a. Predictors: Constant, LN_NPL, LN_NPM, LN_LDR, LN_LAR b. Dependent Variable: LN_PER
Sumber : Hasil olahan SPSS 16.0 for windows
Hasil pengolahan menggunakan SPSS 16,0 for windows menunjukkan bahwa nilai Durbin-Watson adalah sebesar 2,104. Nilai du: 1,74 dan nilai dl:1,51.
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Oleh karena du 1.74 dw hitung 2,104 2,26 maka di dalam model regresi ini tidak terdapat adanya autokorelasi positif maupun negatif.
4. Uji Heterokedastisitas Pengujian Heteroskedastisitas dilakukan dalam sebuah model regresi,
dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual dari setiap pengamatan ke pengamatan lainnya berbeda, maka
disebut heteroskedastisitas. Ada beberapa cara untuk menguji ada tidaknya situasi heteroskedastisitas
dalam varian error terms untuk model regresi. Dalam penelitian ini akan digunakan metode chart Grafik Scatterplot, dengan dasar pemikiran bahwa
Singgih, 2004 : 1. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk
suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
2. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
a. Grafik Scatterplot
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Gambar 4.4 Scatterplot Dependent Variabel LN_PER Sumber : Hasil olahan SPSS 16.0 for windows
b. Uji Glejser
Heterokedastisitas diuji dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas.
Tabel 4.11 Uji Glejser
Suri Chairani : Analisis Pengaruh NPM, LAR, LDR, DAN NPL Terhadap Price Earning Ratio Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia, 2009.
USU Repository © 2009
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.311
.574 5.773
.065 LN_NPM
-.195 .048
-.409 -4.069
.147 LN_LAR
.007 .193
.006 .034
.973 LN_LDR
-.580 .208
-.437 -2.795
.217 LN_NPL
-.025 .044
-.059 -.563
.575 a. Dependent Variable: Absut
Sumber : Hasil olahan SPSS 16.0 for windows Tabel 4.11 menunjukkan bahwa tidak satupun variabel independen yang
signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari nilai signifikansi variabel NPM, LAR, LDR, dan NPL masing-
masing lebih besar dari tingkat signifikansi = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini.
C. Pengujian Hipotesis
