64
Sumber : Data Olahan SPSS, 2013 Berdasarkan grafik scatterplot di atas terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi. Artinya bahwa model ini layak dipakai untuk memprediksi ROA bank umum nasional di
Bursa Efek Indonesia BEI dengan menggunakan variabel bebas yaitu NPL, LDR, CAR, dan NIM.
4.1.4 Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian
ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak untuk dilakukan analisis statistik
selanjutnya, yaitu melakukan uji hipotesis.
Tabel 4.7 Hasil Analisis Regresi
Universitas Sumatera Utara
65
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
B Std. Error
Beta T
Sig. 1
Constant .014
.005 2.653
.010 NPL
-.028 .086
-.034 -.328
.744 LDR
.000 .001
-.084 -.800
.427 CAR
-.044 .023
-.200 -1.952
.056 NIM
.271 .043
.664 6.298
.000 a. Dependent Variable: ROA
Sumber : Data Olahan SPSS, 2013 Variabel dependen pada regresi ini adalah ROA Y sedangkan
variabel independen adalah variabel NPL
X
1
,
LDR
X
2
,
CAR
X
3
, dan
NIM
X
4
. Berdasarkan penjelasan dari pengujian asumsi klasik sebelumnya, model regresi dalam penelitian ini telah diubah menjadi model logaritma
natural, sehingga beta dan koefisien dari penelitian ini dapat disimpulkan dalam bentuk logaritma natural dan tidak dapat diinterpretasikan.
Berdasarkan data di atas, dapat dirumuskan suatu persamaan regresi sebagai berikut:
Y = 0,014 - 0,028 X
1
+ 0,000 X
2
- 0,044 X
3
+ 0.271 X
4
+
ε
Dimana : Y
= ROA X
1
= NPL mewakili risiko kredit X
2
= LDR mewakili risiko likuiditas X
3
= CAR mewakili risiko modal
Universitas Sumatera Utara
66
X
4
= NIM mewakili risiko tingkat bunga
ε
= Tingkat kesalahan pengganggu Persamaan regresi di atas dapat diinterpretasikan sebagai berikut :
a. α = 0,014 = konstanta
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai NPL, LDR, CAR, dan NIM yang terbentuk, maka nilai ROA adalah
sebesar 0,014 atau 1,4. b.
β
1
= -0,028 = risiko kredit yang diproksikan dalam NPL Koefisien regesi ini menunjukkan bahwa setiap kenaikan NPL
sebesar 1 satuan, maka akan menurunkan ROA sebesar 0,028 atau 2,8.
c. β
2
= 0,000 = risiko likuiditas yang diproksikan dalam LDR Koefisien regesi ini menunjukkan bahwa setiap kenaikan LDR
sebesar 1 satuan, maka tidak akan mempengaruhi ROA karena nilai LDR terhadap ROA sebesar 0,000 atau 0.
d. β
3
= -0,044 = risiko modal yang diproksikan dalam CAR Koefisien regesi ini menunjukkan bahwa setiap kenaikan CAR
sebesar 1 satuan, maka akan menurunkan ROA sebesar 0,044 atau 4,4.
e. β
4
= 0,271 = risiko tingkat bunga yang diproksikan dalam NIM Koefisien regesi ini menunjukkan bahwa setiap kenaikan NIM
sebesar 1 satuan, maka akan menaikkan ROA sebesar 0,271 atau 27,1.
Universitas Sumatera Utara
67
4.1.5 Koefisien Determinasi R
