xc multikolinieritas Multikol dimana model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independen. Untuk menganalisis adanya korelasi antar variabel independen atau
tidak, dapat dilihat dalam tabel 4.8 Tabel 4.8
Hasil Uji Kolinieritas
ASSETRISK DEPOSITRISK CREDITRISK ROA
ROE ASSETRISK
1.000000 0.968349
0.615591 -0.210600
-0.287996 DEPOSITRISK
0.968349 1.000000
0.531983 -0.170554
-0.259235 CREDITRISK
0.615591 0.531983
1.000000 -0.577760
-0.527437 ROA
-0.210600 -0.170554
-0.577760 1.000000
0.845085 ROE
-0.287996 -0.259235
-0.527437 0.845085
1.000000
Sumber : Data sekunder yang di olah
Berdasarkan tabel 4.8 Dapat dilihat bahwa terdapat kolinieritas antara variabel independent, yaitu variabel asset risk dan variabel deposit risk. Oleh
karena itu penulis menghilangkan satu variabel independen yaitu variabel asset risk
agar model regresi ini layak dipakai dalam pengujian.
2. Hasil Uji Heterokedastisitas
Uji ini dilakukan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan lain. Jika varians dan
residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model yang baik
adalah homoskedastisitas atau tidak terjadi heterokedastisitas. Untuk mengetahui apakah terjadi heterokedastisitas atau tidak, dapat
dilihat pada gambar 4.14 dan 4.15
xci Gambar 4.14
Hasil Uji Heterokedastisitas ROE BSMI
Sumber : Data sekunder yang di olah
Dari grafik Scatterplot sebaran titik-titik chart berada disekitar titik nol 0, serta tidak tampak adanya suatu pola tertentu pada data tersebut.
Maka dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas pada model regresi ini.
Gambar 4.15 Hasil Uji Heterokedastisitas ROA BSMI
xcii
Sumber : Data sekunder yang di olah
Dari grafik Scatterplot sebaran titik-titik chart berada disekitar titik nol 0, serta tidak tampak adanya suatu pola tertentu pada data tersebut.
Maka dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas pada model regresi ini.
3. Hasil Uji Autokorelasi
xciii Pada pengujian autokorelasi ROE diperoleh nilai Durbin Watson Pada
tabel 4.9 sebesar 1.312658 hal ini menunjukkan bahwa Durbi Watson - 21.3126582, memenuhi syarat -2d2, yang berarti Durbin Watson tidak
terdapat autokorelasi dan dapat disimpulkan bahwa model regresi ini layak dipakai dalam pengujian.
Pada pengujian autokorelasi ROA diperoleh nilai Durbin Watson Pada tabel 4.10 sebesar 0.730462 hal ini menunjukkan bahwa Durbi Watson -
20.7304622, memenuhi syarat -2d2, yang berarti Durbin Watson tidak terdapat autokorelasi dan dapat disimpulkan bahwa model regresi ini layak
dipakai dalam pengujian.
4. Hasil Uji Normalitas
Uji ini bertujuan untuk menguji apakah dalam model regresi variabel, variabel independen atau keduanya mempunyai distribusi normal atau tidak.
Model regresi yang baik adalah distribusi data normal. Untuk mengetahui model regresi variabel, variabel independen atau
keduanya berdistribusi normal atau tidak, dapat dilihat pada gambar 4.16 dan 4.17
Gambar 4.16 Hasil Uji Normalitas ROE BSMI
xciv
Sumber : Data sekunder yang di olah
Dari grafik Normal P-P Plot tersebut bahwa sebaran data di chart menyebar disekitar garis diagonal dan mengikuti arah garis diagonal tersebut,
ini menunjukkan bahwa data berdistribusi normal.
Gambar 4.17 Hasil Uji Normalitas ROA BSMI
xcv
Sumber : Data sekunder yang di olah
Dari grafik Normal P-P Plot tersebut bahwa sebaran data di chart menyebar disekitar garis diagonal dan mengikuti arah garis diagonal tersebut,
ini menunjukkan bahwa data berdistribusi normal.
xcvi
f. Analisis Regresi BSMI
Tabel 4.9 Hasil Analisis Regresi BSMI Dengan Variabel Dependen ROE
Dependent Variable: ROE Method: Least Squares
Date: 022810 Time: 11:21 Sample: 2005M01 2008M12
Included observations: 48 Coefficient
Std. Error t-Statistic
Prob. C
0.225218 0.053004
4.249074 0.0001
DEPOSITRISK 0.072463
0.363769 0.199201
0.8430 CREDITRISK
-15.64685 4.305852
-3.633857 0.0007
R-squared 0.278826 Mean dependent var
0.159367 Adjusted R-squared
0.246774 S.D. dependent var 0.147891
S.E. of regression 0.128352 Akaike info criterion
-1.207612 Sum squared resid
0.741346 Schwarz criterion -1.090662
Log likelihood 31.98269 Hannan-Quinn criter.
-1.163416 F-statistic
8.699119 Durbin-Watson stat 1.312658
ProbF-statistic 0.000640
Sumber : Data sekunder yang di olah
Persamaan model penelitian untuk pengaruh rasio risiko bank terhadap profitabilitas sebagimana tabel diatas dapat ditulis sebagai berikut :
ROE = 0.225218 + 0.072463DEPOSITRISK – 15.64685CREDITRISK Berdasarkan tabel 4.9 dan persamaan tersebut diatas, terlihat bahwa pada
tingkat kepercayaan 95 =0,05, menunjukkan bahwa : 1 Variabel deposit risk ternyata memiliki angka signifikan
0,8430 lebih besar dari 0,05. Ini menunjukkan bahwa deposit risk tidak berpengaruh signifikan
terhadap profitabilitasROE.
xcvii 2 Variabel credit risk ternyata memiliki angka signifikan
0,0007 lebih kecil dari 0,05. Ini menunjukkan bahwa credit risk berpengaruh signifikan terhadap
profitabilitasROE. Hal ini berarti bahwa jika nilai rasio credit risk menurun sebesar 1
maka risiko perusahaan semakin kecil, karena menggambarkan kemampuan bank dalam memenuhi likuiditasnya, dengan demikian profitabilitas BSMI akan
meningkat sebesar 15,64685. Jika nilai rasio deposit risk meningkat sebesar 1 maka risiko perusahaan semakin besar, profitabilitas BSMI akan naik sebesar
0.072463. Pengujian ini juga menghasilkan nilai koefisien determinasi R
2
sebesar 0.278. hal ini berarti bahwa kemampuan rasio risiko bank secara bersama-sama
dalam menerangkan variasi perubahan variabel terikat adalah sebesar 27,8 dan sisanya dipengaruhi variabel lain.
Pengujian ini juga menghasilkan nilai AIC yaitu -1.207612, menurut Profesor Hirotugu Akaike semakinkecil nilai AIC, semakin baik modelnya.
Penemuan ini menunjukkan bahwa rasio credit risk BSMI menurun maka risiko perusahaan akan menurun, yang pada akhirnya dapat menaikkan
profitabilitas pada BSMI. Hal ini menggambarkan kemampuan bank dalam memenuhi likuiditasnya. Selain itu, jika rasio deposit risk meningkat, maka risiko
perusahaan akan meningkat, yang pada akhirnya dapat mendorong peningkatan profitabilitas pada BSMI.
xcviii Tabel 4.10
Hasil Analisis Regresi BSMI Dengan Variabel Dependen ROA
Dependent Variable: ROA Method: Least Squares
Date: 022810 Time: 11:17 Sample: 2005M01 2008M12
Included observations: 48 Coefficient
Std. Error t-Statistic
Prob. C
0.045343 0.008425
5.382283 0.0000
DEPOSITRISK 0.078324
0.057818 1.354654
0.1823 CREDITRISK
-3.300497 0.684380
-4.822606 0.0000
R-squared 0.359909 Mean dependent var
0.041434 Adjusted R-squared
0.331461 S.D. dependent var 0.024951
S.E. of regression 0.020401 Akaike info criterion
-4.886045 Sum squared resid
0.018728 Schwarz criterion -4.769094
Log likelihood 120.2651 Hannan-Quinn criter.
-4.841849 F-statistic
12.65127 Durbin-Watson stat 0.730462
ProbF-statistic 0.000044
Sumber : Data sekunder yang di olah
Persamaan model penelitian untuk pengaruh rasio risiko bank terhadap profitabilitas sebagimana tabel diatas dapat ditulis sebagai berikut :
ROA = 0.045343 + 0.0783224DEPOSITRISK – 3.300497CREDITRISK Berdasarkan tabel 4.10 dan persamaan tersebut diatas, terlihat bahwa
pada tingkat kepercayaan 95 =0,05, menunjukkan bahwa : 1 Variabel deposit risk ternyata memiliki angka signifikan
0,1823 lebih besar dari 0,05. Ini menunjukkan bahwa deposit risk tidak berpengaruh signifikan
terhadap profitabilitasROA. 2 Variabel credit risk ternyata memiliki angka signifikan
0,0000 lebih kecil dari 0,05. Ini menunjukkan bahwa credit risk berpengaruh signifikan terhadap
profitabilitasROA.
xcix Hal ini berarti bahwa jika nilai rasio credit risk turun sebesar 1 maka
risiko perusahaan semakin kecil, karena menggambarkan kemampuan bank dalam memenuhi likuiditasnya. dengan demikian profitabilitas BSMI akan naik sebesar
3.300497. Jika nilai rasio deposit risk meningkat sebesar 1 maka risiko perusahaan semakin besar, profitabilitas BSMI akan naik sebesar 0.078324.
Pengujian ini juga menghasilkan nilai koefisien determinasi R
2
sebesar 0.359. hal ini berarti bahwa kemampuan rasio risiko bank secara bersama- sama dalam menerangkan variasi perubahan variabel terikat adalah sebesar 35,9
dan sisanya dipengaruhi variabel lain. Pengujian ini juga menghasilkan nilai AIC yaitu -4.886045, menurut
Profesor Hirotugu Akaike semakin kecil nilai AIC, semakin baik modelnya. Penemuan ini menunjukkan bahwa apabila rasio credit risk menurun
maka risiko perusahaan akan menurun, yang pada akhirnya dapat meningkatkan profitabilitas pada BSMI. Selain itu, jika rasio deposit risk meningkat, maka risiko
perusahaan akan meningkat, yang pada akhirnya dapat mendorong peningkatan profitabilitas pada BSMI.
g. Uji Asumsi Klasik BANK UMUM SYARIAH Secara Keseluruhan 1 Hasil Uji Multikolinearitas.
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat
c multikolinieritas Multikol dimana model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independen. Untuk menganalisis adanya korelasi antar variabel independen atau
tidak, dapat dilihat dalam tabel 4.11 Tabel 4.11
Hasil Uji Kolinieritas
ASSETRISK DEPOSITRISK CREDITRISK ROA
ROE ASSETRISK
1.000000 0.678472
0.017656 -0.133165
-0.163694 DEPOSITRISK
0.678472 1.000000
0.199864 0.107156
-0.313088 CREDITRISK
0.017656 0.199864
1.000000 -0.020637
0.007699 ROA
-0.133165 0.107156
-0.020637 1.000000
0.469930 ROE
-0.163694 -0.313088
0.007699 0.469930
1.000000
Sumber : Data sekunder yang di olah
Berdasarkan tabel 4.11 Dapat dilihat bahwa tidak terdapat kolinieritas yang kuat antara variabel independent. Dengan demikian tidak terjadi
multikolinearitas.
2. Hasil Uji Heterokedastisitas