lxxii
Coefficients
a
3,026 ,505
5,990 ,000
1,883 4,169
1,129 ,071
,846 16,002
,000 ,969
1,288 ,886
,983 ,842
,991 1,009
-,989 ,120
-,437 -8,266
,000 -1,259
-,718 -,515
-,940 -,435
,991 1,009
Constant LN_NIM
LN_BOPO Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Lower BoundUpper Bound 5 Confidence Interval for
Zero-order Partial Part
Correlations Tolerance
VIF Collinearity Statistics
Dependent Variable: LN_roa a.
berlandaskan syariah secara tidak langsung dapat meningkatkan keuntungan bank profitabilitas bank syariah.
5. Hasil Uji Asumsi Klasik Regresi Berganda
Pengujian asumsi
klasik meliputi
pengujian Multikolinieritas,
Heterokedastisitas, Normalitas dan Autokorelasi.
a. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat
multikolinieritas multiko. Dimana model regresi yang baik seharusnya tidak terjadi korelasi diantara variable independent.
Untuk mengetahui adanya korelasi antar variabel independen atau tidak, maka dapat dilihat dalam table dibawah ini:
Tabel 4.10
1 Default bagi SPSS angka tolerance adalah 0,0001. Dan semua variabel yang akan dimasukkan dalam perhitungan model regresi harus mempunyai
lxxiii toleransi di atas 0,0001. Terlihat bahwa semua variabel telah memenuhi
persyaratan ambang toleransi. 2 Berdasarkan tabel di atas terlihat bahwa angka toleransi mendekati angka dan
VIF berada disekitar angka 1 pedoman regresi yang bebas multiko adalah nilai VIF disekitar angka 1 dan mempunyai angka TOLERANCE mendekati
1, maka Ho diterima yang berarti tidak terjadi problem multiko dan model regresi layak dipakai dalam pengujian.
b. Uji Heteroskedastisitas
Uji ini untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain.
Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka hal tersebut disebut Homoskedastisitas. Dan jika varians berbeda disebut sebagai
heteroskedastisitas. Dan model regresi yang baik adalah tidak terjadi
heteroskedastisitas.
26
Beradasarkan gambar 4.7 terlihat bahwa pola pada penyebaran titik-titik menyebar diatas dan dibawah anka 0 pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regresi, sehingga model regresi ini layak dipakai untuk memprediksi ROA terhadap variable independent lainnya, hal ini terlihat jelas
pada gambar dibawah ini:
26
Singgih santoso, Menguasai Statistik dengan SPSS 12,, Jakarta: Elex Media Komputindo, 2005, h.377
lxxiv
-2 -1
1 2
Regression Standardized Predicted Value
-2 -1
1 2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
MARET JUNI
SEPTEMBE DESEMBER
MARET JUNI
SEPTEMBE DESEMBER
MARET JUNI
SEPTEMBE
DESEMBER
Dependent Variable: LN_roa Scatterplot
Gambar 4.7 Hasil Uji Heteroskedastisitas
c. Uji Normalitas
