Uji Asumsi Klasik Hasil Penelitian .1 Analisis Deskriptif

58 Nilai Non Performing Loan NPL memiliki nilai tertinggi sebesar 4,30 pada PT. Bank Tabungan Negara, Tbk BBTN tahun 2013 sedangkan nilai terendah sebesar 0,0017 pada PT. Bank Bumi Arta, Tbk BNBA pada tahun yang sama 2012 dengan nilai rata-rata mean sebesar 1,42 dan nilai standar deviasi sebesar 1,06. Net Interest Margin NIM memiliki nilai tertinggi sebesar 19,05 pada PT. Bank Mega, Tbk MEGA tahun 2013 dan nilai terendah sebesar 2,76 pada PT. Bank Victoria International, Tbk. BVIC tahun 2014 dengan nilai rata- rata mean 7,27 dengan nilai standar deviasi sebesar 2,99. Return on Equity ROE memiliki nilai tertinggi sebesar 28,80 pada PT. Bank Rakyat Indonesia Persero, Tbk BBRI tahun 2012 dan nilai terendah sebesar 02,58 pada PT. Bank Artha Graha International, Tbk INPC tahun 2015 dengan nilai rata-rata mean sebesar 13,54 dengan nilai standar deviasi sebesar 6,30. Price Earning Ratio PER tertinggi sebesar 27,33 pada PT. Bank Mega, Tbk MEGA di tahun 2013 dan Price Earning Ratio terendah sebesar 4,96 pada PT. Bank CIMB Niaga, Tbk BNGA ditahun 2015 dengan nilai rata-rata sebesar 12,31 dan nilai standar deviasi sebesar 4,93.

4.2.2 Uji Asumsi Klasik

Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah terpenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik pada penelitian ini meliputi normalitas data, heteroskedastisitas, multikolonearitas, dan Universitas Sumatera Utara 59 autokorelasi agar hasil pengujian tidak bersifat bias dan efisien. Menurut Ghozali 2005: 123 asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non- multikolinearitas, non-autokorelasi dan non-heteroskedasitas. Hasil Uji Asumsi Klasik disajikan sebagai berikut: 1. Uji Normalitas a. Pendekatan Histogram Jarque-Bera Uji Normalitas dengan pendekatan Jarque-Bera dapat dilihat pada Gambar 4.1 berikut: Sumber: Hasil Penelitian 2016 Gambar 4.1 Histogram Jarque-Bera Berdasarkan Gambar 4.1 terlihat bahwa nilai Jarque-Bera sebesar 5,022301 nilai kritis chi-kuadrat 11,0705, dengan tingkat signifikansi terlihat sebesar 0,0811750,05. Dengan demikian sesuai kriteria pengujian, maka dapat disimpulkan bahwa data terlah berdistribusi normal. b. Pendekatan QQ Plot Uji Normalitas dengan pendekatan QQ Plot dapat dilihat pada Gambar 4.2 berikut: 2 4 6 8 10 12 14 16 -8 -6 -4 -2 2 4 6 8 10 12 Series: Residuals Sample 1 96 Observations 96 Mean -4.80e-15 Median -0.312444 Maximum 11.86248 Minimum -8.990824 Std. Dev. 3.882626 Skewness 0.503771 Kurtosis 3.490340 Jarque-Bera 5.022301 Probability 0.081175 Universitas Sumatera Utara 60 Sumber: Hasil Penelitian 2016 Gambar 4.2 QQ Plot Berdasarkan Gambar 4.2 QQ Plot terlihat bahwa titik-titik penyebaran data berada disekitar sumbu diagonal dari grafik. Dengan demikian dapat disimpulkan bahwa data telah berdistribusi secara normal. 2. Uji Heteroskedastisitas Pendekatan Glejser Deteksi heteroskedastisitas dilakukan dengan uji Glejser. Hasil uji Glejser dapat dilihat pada Tabel 4.3 berikut: Tabel 4.2 Uji Glejser Heteroskedasticity Test: Glejser F-statistic 2.935765 Prob. F5,90 0.0168 ObsR-squared 13.46182 Prob. Chi-Square5 0.0194 Scaled explained SS 14.00310 Prob. Chi-Square5 0.0156 Dependent Variable: ARESID Variable Coefficient Std. Error t-Statistic Prob. C 3.625728 1.861296 1.947958 0.0545 CSR -0.009782 0.022176 -0.441117 0.6602 CAR -0.164582 0.096988 -1.696943 0.0932 NPL -0.085111 0.239380 -0.355549 0.7230 NIM 0.211489 0.110275 1.917837 0.0583 ROE 0.086085 0.045627 1.886709 0.0624 Sumber: Hasil Penelitian 2016 -12 -8 -4 4 8 12 -12 -8 -4 4 8 12 16 Quantiles of RESID Q u a n ti le s o f N o rm a l Universitas Sumatera Utara 61 Berdasarkan Tabel 4.2 terlihat bahwa tingkat signifikansi variabel Corporate Social Responsibility CSR sebesar 0,66020,05, tingkat signifikansi Capital Adequacy Ratio CAR sebesar 0,09320,05, tingkat signifikansi Non Performing Loan NPL sebesar 0,72300,05, tingkat signifikansi Net Interest Margin NIM sebesar 0,05830,05, dan Return on Equity ROE sebesar 0,06240,05. Berdasarkan pengujian tersebut terlihat bahwa tidak satupun variabel independen yang berpengaruh signifikan secara statistik mempengaruhi variabel Absolut Residual maka dapat disimpulkan bahwa data tidak mengarah adanya heteroskedastisitas. 3. Uji Multikolonearitas Asumsi selanjutnya yang harus dipenuhi adalah asumsi non multikolonearitas. Hasil Uji Multikolonearitas dapat dilihat pada Tabel 4.3 berikut: Tabel 4.3 Uji Multikolonearitas Variance Inflation Factors Date: 081816 Time: 12:42 Sample: 1 96 Included observations: 96 Coefficient Uncentered Centered Variable Variance VIF VIF CSR 0.001419 16.52606 1.473998 CAR 0.027135 49.28606 1.378260 NPL 0.165304 3.119739 1.112241 NIM 0.035080 13.08133 1.881092 ROE 0.006006 8.071989 1.425013 C 9.993939 60.29422 NA Sumber: Hasil Penelitian 2016 Universitas Sumatera Utara 62 Berdasarkan Tabel 4.3 terlihat bahwa nilai VIF seluruh variabel independen 10 sehingga berdasarkan kriteria pengujian maka dapat disimpulan bahwa antar variabel bebas tidak terjadi gejala multikolonearitas. 4. Uji Auto Korelasi Untuk mendeteksi ada atau tidaknya autokorelasi, digunakan nilai Durbin- Watson. Hasil Uji Autokorelasi dengan Durbin-Watson dapat dilihat pada Tabel 4.4 berikut Tabel 4.4 Uji Autokorelasi Durbin-Watson Dependent Variable: PER Method: Least Squares Date: 081816 Time: 02:26 Sample: 1 96 Included observations: 96 R-squared 0.381276 Mean dependent var 12.30969 Adjusted R-squared 0.346902 S.D. dependent var 4.936022 S.E. of regression 3.989019 Akaike info criterion 5.665429 Sum squared resid 1432.105 Schwarz criterion 5.825701 Log likelihood -265.9406 Hannan-Quinn criter. 5.730214 F-statistic 11.09213 Durbin-Watson stat 1.421651 ProbF-statistic 0.000000 Sumber: Hasil Penelitian 2016 Berdasarkan Tabel 4.4 terlihat bahwa nilai Durbin-Watson Statistik sebesar 1,421651 1 dan 3. Dengan demikian berdasarkan kriteria pengujian maka dapat disimpulkan tidak terjadi autokorelasi sehingga asumsi non- autokorelasi telah terpenuhi. 4.2.3 Analisis Statistik Data Panel 4.2.3.1 Pengujian Common Effect Model CEM