Dari hasil uji normalitas tersebut menunjukkan nilai Kolmogorov-Smirnov adalah 1,025 dan tingkat probabilitas menjadi sebesar 0,244. Tingkat probabilitas
tersebut lebih besar dari 0,05 tidak signifikan statistik maka Ho diterima maka menunjukkan data residual terdistribusi secara normal. Dengan demikian data
tersebut telah dapat dipergunakan untuk dianalisis.
4.2.1.2 Uji Multikolinearitas
Multikolineritas adalah suatu kondisi dimana terdapat hubungan variabel independen diantara satu dengan lainnya. Hal ini dapat dilihat dari setiap koefisien
masing-masing variabel sesuai dengan hipotesis yang telah ditentukan.
Tabel 4.3 Hasil Uji Multikolineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant 8.560
1.151 7.439
.000 BOPO
-.065 .012
-.553 -5.331 .000
.817 1.224
NPL .146
.027 .568
5.389 .000
.793 1.261
NIM -.105
.113 -.098
-.930 .356
.798 1.253
CAR .007
.015 .049
.467 .642
.795 1.259
a. Dependent Variable: ROA
Sumber : output SPSS, data sekunder yang diolah Hasil uji multikolinearitas menunjukkan tidak ada variabel independen
yang memiliki nilai tolerance 0,10 dan hasil perhitungan VIF menunjukkan tidak ada variabel independen yang memiliki nilai VIF 10. Jadi dapat
disimpulkan tidak ada multikolinearitas.
4.2.1.3 Uji Autokorelasi
Dari uji autokorelasi diketahui nilai DW adalah 0,677. Nilai ini akan dibandingkan dengan nilai tabel menggunakan tingkat signifikasi 5, jumlah
sampel 72, dan jumlah variabel independen 4, nilai du adalah 1,7366, dan nilai dl adalah 1,5029. Nilai DW lebih kecil dari du dan kurang dari 4-du, hasil uji
autokorelasi ini menunjukkankan bahwa DW hitung lebih kecil dibanding dl atau 0 d dl, maka dapat dinyatakan bahwa model terkena masalah autokorelasi.
Tabel 4.4 Hasil Uji Autokolerasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.641
a
.410 .375
.54082 .677
a. Predictors: Constant, CAR, NPL, BOPO, NIM
b. Dependent Variable: ROA
Sumber : output SPSS, data sekunder yang diolah Karena adanya terdapat masalah autokorelasi dalam penelitian ini maka
dilakukan uji transformasi Cochrane-Orcutt untuk mengatasi masalah autokorelasi ini. cara ini dilakukan dengan mentransformasikan dahulu variabel-variabel
penelitian dengan Koefisien korelasi p yang disebut juga dengan istilah Rho. Setelah koefisien autokorelasi telah diketahui maka dilanjutkan dengan cara
transformasi. Dari data hasil transformasi, dilakukan pendeteksian ulang untuk mendeteksi ada atau tidaknya autokorelasi.
Jika pada data hasil transformasi masih terdapat autokorelasi, maka dilakukan transformasi ulang sampai tidak terdapat autokorelasi. Setelah
diperoleh data yang terhindar dan autokorelasi, langkah selanjutnya menerapkan dengan metode Ordinary Least Squares OLS untuk menentukan koefisien-
koefisien regresinya.
Tabel 4.5 Koefisien Korelasi