minimum terletak pada Bank Victoria Internasional tahun 2010. Standar deviasi yang lebih kecil dari mean menunjukkan bahwa data LDR diatas adalah normal.
Dari 80 buah sampel data BOPO, nilai maksimumnya adalah sebesar 100,90 dan nilai minimumnya adalah sebesar 13,00. Sedangkan nilai meannya
adalah sebesar 80,8856 dan nilai standar deviasinya adalah sebesar 13,81255. Nilai BOPO maksimum terletak pada Bank Kesawan pada tahun 2008, dan nilai
BOPO minimum terletak pada Bank Mayapada tahun 2010. Standar deviasi yang lebih kecil dari mean menunjukkan bahwa data BOPO diatas adalah normal.
Dari 80 buah sampel data NIM, nilai maksimumnya adalah sebesar 17,40 dan nilai minimumnya adalah sebesar 2,38. Sedangkan nilai meannya adalah
sebesar 7,3731 dan nilai standar deviasinya adalah sebesar 3,10457. Nilai NIM maksimum terletak pada Bank Swadesi pada tahun 2010, dan nilai NIM minimum
terletak pada Bank Mayapada pada tahun 2010. Standar deviasi yang lebih kecil dari mean menunjukkan bahwa data NIM diatas adalah normal.
4.2.2 Hasil Uji Asumsi Dasar Regresi
a. Hasil Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah data dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk menghindari bias dalam model regresi. Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal. Dalam penelitian ini menggunakan grafik histogram dan grafik normal probability plot untuk menguji distribusi data.
Universitas Sumatera Utara
Gambar 4.1
Berdasarkan Grafik Normal Probability P.Plot diatas, maka dapat ditarik suatu kesimpulan yaitu pola grafik normal terlihat dari penyebaran titik-titik
disekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Hal ini menunjukkan bahwa data yang digunakan dalam penelitian ini sudah terdistribusi
secara normal, sehingga memenuhi asumsi normalitas. Maka model regresi ini dapat digunakan.
Universitas Sumatera Utara
Gambar 4.2
Dalam pengujian histogram, dapat diketahui bahwa grafik memiliki pola distribusi normal karena bentuknya yang simetris.
b. Hasil Uji Multikolinearitas Uji ini bertujuan untuk melihat apakah dalam model regresi ditemukan
adanya korelasi antara variabel independen. Model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas. Uji multikolinearitas
dilakukan dengan melihat tolerance dan variance inflation factor VIF. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
tolerance ≤ 0,10 dan nilai VIF ≥ 10, dan sebaliknya apabila nilai tolerance ≥ 0,10
dan nilai VIF ≤ 10, maka variabel ini tidak mengalami gejala multikolinearitas.
Universitas Sumatera Utara
Tabel 4.2 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 CAR
.968 1.033
NPL .876
1.142 LDR
.970 1.030
BOPO .918
1.090 NIM
.936 1.068
a. Dependent Variable: ROA
Sumber: Hasil Output SPSS 19 Dari tabel ini dapat dilihat bahwa nilai tolerance dari variabel CAR, NPL,
LDR, BOPO dan NIM lebih besar dari 0,1 dan nilai VIF dari variabel CAR, NPL, LDR, BOPO dan NIM lebih kecil dari 10, hal ini membuktikan bahwa variabel
independen bebas multikolinearitas atau tidak terjadi gejala multikolinearitas antara variabel independen.
c. Hasil Uji Autokorelasi Autokorelasi adalah korelasi antar anggota sampel yang diurutkan
berdasarkan waktu. Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Pengujian ini
bertujuan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Pengujian ini menggunakan Durbin-Watson DW-test. Adapun
kriteria untuk menilai terjadinya autokorelasi adalah: 1. Angka D-W dibawah -2, berarti ada autokorelasi positif
2. Angka D-W dianta -2 sampai +2, berarti tidak ada autokorelasi 3. Angka D-W diatas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Adapun ketentuan dari uji DW adalah jika nilai DW hitung terletak diantara batas atas du dan batas bawah 4-du, maka dapat dikatakan bahwa
model terbebas dari autokorelasi atau bila du dw 4-du.
Tabel 4.3 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .836
a
.787 .739
.83780 1.799
a. Predictors: Constant, NIM, CAR, LDR, BOPO, NPL b. Dependent Variable: ROA
Sumber: Hasil Output SPSS 19 Dari tabel 4.5, maka dapat kita ketahui bahwa nilai Durbin-Watson dalam
penelitian ini adalah sebesar 1,799 dan nilai ini akan dibandingkan dengan nilai tabel deng
an tingkat kepercayaan α = 5 dan jumlah sampel sebanyak 80 dengan menggunakan 5 variabel independen. Dari tabel Durbin-Watson akan
didapatkan nilai dl sebesar 1,534 dan nilai du sebesar 1,743. Karena nilai D-W hitung terletak diantara batas atas du dan batas bawah 4-du atau du dw 4-
du yaitu 1,743 1,799 2,257. Dengan demikian dapat dikatakan bahwa variabel dalam penelitian ini terbebas dari autokorelasi.
d. Hasil Uji Heterokedastisitas Penugujian ini bertujuan untuk melihat apakah sutau regresi tersebut
terjadi ketidaksamaan varians residual dari setiap pengamatan dan dari pengamatan lainnya apakah mengalami perbedaan. Heterokedastisitas terjadi
apabila disturbance terms untuk setiap observasi tidak lagi konstan tetapi bervariasi. Uji heterokedastisitas dapat dilakukan dengan melihat grafik scatter
Universitas Sumatera Utara
plot antara nilai prediksi variabel independen dengan nilai residualnya. Didalam grafik scatter plot apabila tidak ada pola tertentu dan titik-titik menyebar diatas
dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Adapun grafik scatter plot dalam penelitian ini adalah sebagai berikut: Gambar 4.3
Dari gambar ini menunjukkan bahwa data tersebar acak dan tidak membentuk suatu pola tertentu. Data yang ada didalam grafik tersebar diatas
maupun dibawah angka 0 pada sumbu Y, maka hal ini menunjukkan bahwa tidak terdapat heterokedastisitas dalam model regresi yang digunakan.
4.2.3 Hasil Uji Hipotesis