Tabel 4.3 Hasi Uji Heteroskedastisitas
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.075
2.636 .787
.439 BOPO
-.008 .008
-.536 -1.082
.290 NPL
.043 .051
.328 .836
.411 CAR
.011 .015
.178 .743
.465 LDR
-.003 .002
-.305 -1.303
.204 NIM
-.029 .017
-.374 -1.711
.099 BANKSIZE
-.041 .072
-.243 -.565
.577 a. Dependent Variable: Absut
Sumber: Hasil Penelitian, 2015 Data Diolah
Berdasarkan hasil uji glejser, dapat dilihat bahwa pada Tabel 4.3 menunjukkan tidak satupun variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen absolut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0,05, sehingga dapat
disimpulkan model regresi tidak mengarah pada heteroskedastisitas.
4.3.3. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model
yang tidak mengandung autokorelasi. Pengujian ini menggunakan Runs Test untuk mendeteksi ada tidaknya autokorelasi. Hasil pengujian Runs Test dapat
dilihat pada Tabel 4.4 berikut ini:
Tabel 4.4 Hasil Uji Runs
Unstandardized Residual
Test Value
a
-.02713 Cases Test Value
16 Cases = Test Value
16 Total Cases
32 Number of Runs
15 Z
-.539 Asymp. Sig. 2-tailed
.590 a. Median
Sumber: Hasil Penelitian, 2015 Data Diolah
Hasil uji autokorelasi pada Tabel 4.4 menunjukkan bahwa nilai Asymp.Sig 2-tailed sebesar 0,590 0,05 sehingga dapat disimpulkan bahwa residual
random artinya tidak terjadi autokorelasi antar residual. Dalam hal ini berarti model penelitian ini sudah memenuhi kriteria Best Linear Unbiased Estimator
BLUE yang disyaratkan sebelum melakukan pengujian hipotesis. Berikut ini adalah cara lain untuk mendeteksi ada atau tidaknya autokorelasi, yaitu dengan
menggunakan Uji Durbin-Watson DW test:
Tabel 4.5 Hasil Uji Durbin-Watson
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.982
a
.964 .955
.26386 2.171
a. Predictors: Constant, BANKSIZE, CAR, NIM, LDR, NPL, BOPO b. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 Data Diolah
Hasil output SPSS menunjukkan nilai DW sebesar 2.171, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5,
jumlah sampel n = 32 dan jumlah variabel bebas k = 6, maka di tabel Durbin- Watson didapatkan nilai dL durbin-watson lowerbatas bawah = 0.972, nilai dU
durbin-watson upperbatas atas = 2.171 dan 4 ̶ dU = 2.238. Pengambilan
keputusannya adalah dU 0.972 ˂ d 2.171 ˂ 4 ̶ dU 2.238, artinya tidak ada
autokorelasi positif atau negatif. Dengan demikian, tidak terdapat adanya autokorelasi pada model regresi.
4.3.4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antar variabel independen. Uji yang dilakukan
untuk menguji multikolinearitas adalah dengan menghitung nilai VIF untuk masing-masing variabel independen. Suatu variabel menunjukkan gejala
multikolinearitas dapat dilihat dari nilai VIF yang tinggi pada variabel-variabel bebas suatu model regresi. Jika dalam penelitian nilai VIF 10 maka ini
menunjukkan adanya gajala multikolinearitas dalam model regresi. Hasil dari uji multikolinearitas dapat dilihat pada Tabel 4.6 berikut ini :
Sumber: Hasil Pengujian, 2015 Data Diolah
Hasil uji multikolinearitas pada Tabel 4.6 menunjukkan bahwa keseluruhan variabel mempunyai nilai VIF 10, sehingga dapat disimpulkan bahwa variabel
tersebut tidak terjadi multikolinearitas.
Tabel 4.6 Hasil Uji Multikolinieritas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
3.086 3.906
.790 .437
BOPO -.076
.016 -.548
-4.835 .000
.113 8.879
NPL -.151
.104 -.130
-1.454 .158
.180 5.553
CAR .026
.026 .047
.986 .334
.628 1.591
LDR .008
.004 .101
2.070 .049
.608 1.643
NIM .302
.032 .446
9.316 .000
.633 1.580
BANKSIZE .105
.099 .084
1.064 .298
.231 4.336
a. Dependent Variable: ROA
Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi, nilai tolerance yang rendah
sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Hasil penelitian ini mengidikasikan bahwa tidak terjadi multikolinearitas di antara variabel
independen dalam penelitian.
4.4. Analisis Regresi Berganda
