30 3.7
Metode Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah metode kuantitatif. Analisis data kuantitatif adalah bentuk analisa yang menggunakan
angka-angka dan perhitungan dengan metode statistik, maka data tersebut harus diklasifikasikan dalam kategori tertentu dengan menggunakan tabel-tabel tertentu,
untuk mempermudah dalam menganalisis dengan menggunakan program SPSS 17 for windows. Adapun alat analisis yang digunakan adalah analisis regresi
bergandadengan melakukan uji asumsi klasik terlebih dahulu. Untuk mengetahui
pengaruh LDR, CAR, dan BOPO terhadap ROA maka langkah-langkah pengerjaannya adalah sebagai berikut :
3.7.1 Uji Asumsi Klasik
Dalam melaksanakan pengujian dengan analisis multivariate atau disebut juga dengan pengujian asumsi klasik, peneliti juga harus
melakukan pengujian atas data yang digunakan untuk menghindari atau mengurangi bias atas hasil penelitian yang diperoleh. Pengujian asumsi
klasik ini terdiri dari pengujian normalitas data, uji multikolinearitas, uji
heteroskedastisitas, dan uji autokolerasi Erlina, 2011: 98.
a.
Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel penganggu atau residual memiliki
distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual
Universitas Sumatera Utara
31
mengikuti distribusi normal. Jika asumsi itu dilanggar atau tidak dipenuhi maka uji grafik dan uji satistik menjadi tidak valid
untuk jumlah sampel kecil.
1. Analisa Grafik
Untuk melakukan pengujian normalitas dengan analisa grafik dapat dengan melihat grafik histogram dan
normal probability plot. Distribusi normal akan
membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi
data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2. Analisis Statistik
Uji normalitas residual dengan grafik dapat menyesatkan kalau tidak hati-hati. Secara visual kelihatan
normal, padahal secara statistic bisa sebaliknya. Oleh sebab itu disamping dengan uji grafik juga dilakukan uji
statistik. Dalam penelitian ini, uji statistic yang digunakan adalah Uji Kolmogorov-Smirnov.
b.
Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi diantara variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara
Universitas Sumatera Utara
32
variabel independen. Uji multikolinieritas pada penelitian
dilakukan dengan matriks kolerasi. Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai
matriks kolerasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance Inflation Factor dan Tolerance- nya.
Apabila nilai matriks korelasi tidak ada yang lebih besar dari 0,5 maka dapat dikatakan data yang akan dianalisis terlepas dari
gejala multikolinearitas. Untuk mendeteksi adanya
multikolineriaritas juga dapat dilihat dari besaran VIF dan Tolerance, Model regresi yang bebas multikolinearitas adalah :
Mempunyai nilai VIF di bawah 10 dan Mempunyai angka tolerance di atas 0,1. Erlina,2011 :103
c.
Uji Heterokedasitas
Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat homokedastisitas atau bersifat
konstan. Umumnya heterokedasitas sering terjadi pada model yang menggunakan data cross section silang waktu dari pada
data time series runtut waktu. Uji heteroskedastisitas
dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan
ke pengamatan yang lain. Jika varians dari residul dari satu pengamatan ke pengamatan yang lain tetap, maka disebut
Homokedastisitas. Dan jika varians berbeda, disebut
Universitas Sumatera Utara
33
Heterokedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas Erlina, 2011: 105.
d.
Uji Autokorelasi
Bertujuan untuk menguji apakah dalam suatu model regresi linier berganda terdapat korelasi antara residual pada periode t
dengan residualperiode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Erlina, 2011:
106.
3.7.2 Pengujian Hipotesis
