memberikan pendapat profesional yang independen kepada komisaris terhadap laporan keuangan dan sebagainya.
5. Return On Assets ROA
Nilai ROA mempunyai rentang antara -7,58 sampai 5,15 dengan rata- rata sebesar 1,9110. Berdasarkan Siaran Pers Bank Indonesia No. 7 69
PSHM Humas, bank dapat dikatakan memiliki kinerja baik, apabila memenuhi kriteria ROA minimal 1,5. Nilai rata-rata ROA yang
ditampilkan pada tabel 4.1 termasuk dalam kategori cukup baik. Besarnya nilai ROA menunjukkan kinerja perusahaan yang baik. Semakin besar
nilai ROA suatu bank, semakin besar pula tingkat pengembalian investasi.
4.3 AnalisisUji Asumsi Klasik
4.3.1 Uji Normalitas
Uji normalitas data dilakukan untuk melihat apakah dalam model regresi, variabel dependen dan independennya memiliki distribusi normal atau tidak.
Pengujian normalitas dapat dilihat dari gambar di bawah ini:
Gambar 4.1 Uji Normalitas dengan Histogram
Sumber: Data Sekunder yang diolah, 2016
Universitas Sumatera Utara
Berdasarkan gambar 4.1 pada grafik histogram, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal, yaitu bentuknya melengkung
ke atas menyerupai pola lonceng.
Gambar 4.2 Hasil Uji Normalitas Grafik P-P Plot
Sumber: Data sekunder yang diolah, 2016 Berdasarkan gambar 4.2 dapat dilihat bahwa grafik normal probability plot
of regression standardized menunjukkan pola grafik yang normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis diagonal dan penyebarannya
mengikuti arah garis diagonal. Kriteria untuk menentukan normal atau tidaknya data, juga dapat dilihat
melalui tabel hasil uji Kolmogrov Smirnov berdasarkan nilai probabilitasnya.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 87
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,59583137
Most Extreme Differences Absolute
,108 Positive
,085 Negative
-,108 Kolmogorov-Smirnov Z
1,012 Asymp. Sig. 2-tailed
,258 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil uji Kolmogorov Smirnov pada tabel 4.2 dapat diketahui bahwa data terdisribusi normal. Hal ini dapat dilihat dari Asymp. Sig. 2-tailed
atau probabilitasnya yang menunjukkan angka 0,258, yang berarti lebih besar dari tingkat signifikansi 5 atau 0,05. Maka dapat disimpulkan bahwa distribusi data
adalah normal.
4.3.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Untuk mendeteksi ada
atau tidaknya multikolinearitas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF. Apabila nilai VIF
≤ 10 dan nilai tolerance
≥ 0,1, maka terjadi multikolineritas. Dan apabila VIF 10 dan nilai tolerance 0,1, maka dapat disimpulkan tidak terjadi multikolineritas.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Keputusan Tolerance
VIF 1 Constant
Dewan Komisaris ,375
2,664 Tidak terdapat multikolinearitas
Dewan Direksi ,407
2,458 Tidak terdapat multikolinearitas Komisaris Independen
,772 1,296 Tidak terdapat multikolinearitas
Komite Audit ,894
1,118 Tidak terdapat multikolinearitas a. Dependent Variable: Return On Assets
Sumber: Data Sekunder yang diolah, 2016
Hasil uji multikolinearitas yang terdapat pada Tabel 4.3 menunjukkan bahwa model regresi yang dipakai untuk variabel-variabel independen penelitian
tidak terdapat masalah multikolinearitas. Model tersebut terbebas dari masalah multikolinearitas karena semua variabel menunjukkan nilai Tolerance tidak
kurang dari 0,1 dan mempunyai nilai VIF yang tidak lebih dari 10.
4.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji ada atau tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu pada
periode sebelumnya. Jika terjadi autokorelasi, maka dinamakan ada problem autokorelasi. Sementara model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Hasill uji autokorelasi
dapat dilihat dalam Tabel 4.4
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,433
a
,188 ,148
1,63429 2,139
a. Predictors: Constant, Komite Audit, Komisaris Independen, Dewan Direksi, Dewan Komisaris
b. Dependent Variable: Return On Assets
Sumber: Data Sekunder yang diolah, 2016 Tabel 4.4 menjelaskan bahwa nilai Durbin Watson DW diperoleh sebesar
2,139. Nilai ini akan dibandingkan dengan nilai tabel DW dengan menggunakan nilai signifikansi 5, jumlah sampel n = 87 dan jumlah variabel bebas k = 4.
Dari tabel DW k=4 dan n=87 diperoleh nilai batas bawah dL adalah 1,5567 dan batas atas Du adalah 1,7485. Penelitian yang dinyatakan bebas dari
autokorelasi adalah yang memenuhi kriteria dUdw4-dU. Maka, penelitian ini dinyatakan bebas dari autokorelasi karena hasil yang
diperoleh adalah: 1,7485 dU 2,139 DW 2,2515 4-Du
4.3.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi variabel terikat
dengan residualnya.
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber: Data Sekunder yang diolah, 2016 Berdasarkan hasil uji heteroskedatisitas dengan menggunakan scatterplot
memperlihatkan bahwa tidak ada pola yang jelas dan titik-titik menyebar secara acak yaitu ke atas dan di bawah angka 0 pada sumbu Y. Sehingga dapat
disimpulkan tidak terjadi heteroskedastisitas. Untuk mengetahui ada tidaknya gejala heterokedastisitas juga dapat dilihat dengan menggunakan uji glejser pada
tabel 4.5
Tabel 4.5 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1,649 1,359
1,214 ,228 Dewan Komisaris
-,007 ,115
-,011 -,062 ,951
Dewan Direksi -,024
,079 -,053
-,305 ,761 Komisaris Independen
-,002 ,014
-,017 -,132 ,895
Komite Audit -,005
,011 -,055
-,473 ,637 a. Dependent Variable: AbsUi
Sumber: Data Sekunder yang diolah, 2016
Universitas Sumatera Utara
Berdasarkan Tabel 4.5 terlihat bahwa nilai signifikansi dari masing-masing variabel independen lebih dari 0,05, maka model regresi pada penelitian ini tidak
terkena gejala heterokedastisitas.
4.4 Hasil Analisis Regresi Berganda
