58
yang diamati mempunyai nilai Aktiva Tertimbang Menurut Resiko ATMR yang lebih besar daripada modal yang dimilikinya dengan nilai standar
deviasi sebesar 4.12308. Dari penjelasan di atas, dapat disimpulkan bahwa data variable ROA,
BOPO, LDR dan CAR menunjukkan hasil yang baik, hal tersebut dikarenakan standar deviasi yang mencerminkan penyimpangan dari data variabel tersebut
ROA, BOPO, LDR dan CAR lebih kecil dari rata-ratanya.
4.1.4 Uji Asumsi Klasik
4.1.4.1 Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah memiliki distribusi data normal atau
mendekati normal.
Normalitas data dapat dilihat dari grafik histogram dan normal probability plot yang ditunjukkan pada gambar 4.1 dan 4.2 berikut:
Universitas Sumatera Utara
59
Sumber: Diolah dengan SPSS 17, 2013
Gambar 4.1 Grafik Histogram
Sumber: Diolah dengan SPSS 17, 2013 Gambar 4.2
Normal Probability Plot
Regression Standardized Residual
3 2
1 -1
-2
Frequency
10 8
6 4
2
Histogram Dependent Variable: CAR
Mean =1.08E-16 Std. Dev. =0.97
N =51
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: CAR
Universitas Sumatera Utara
60
Dengan melihat tampilan histogram maupun grafik normal plot maka dapat disimpulkan bahwa grafik histogram pola distribusi yang tidak menceng ke
kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar garis
diagonal, dan penyebarannya tidak jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.
Pengujian normalitas data juga dilakukan dengan menggunakan uji statistik Kolmogorov-Smirnov untuk mengetahui dan memastikan apakah data di
sepanjang garis diagonal berdistribusi secara normal atau tidak dengan melihat data residualnya. Ghozali 2005:115, pedoman pengambilan keputusan rentang
data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov yang dapat dilihat dari:
• jika nilai signifikan 0.05 maka distribusi data tidak normal, • jika nilai signifikan 0.05 maka distribusi data normal.
Hipotesis yang digunakan : 1 Ho: Data residual berdistribusi normal,
2 Ha: Data residual tidak berdistribusi normal. Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov
adalah seperti yang ditampilkan berikut ini:
Universitas Sumatera Utara
61
Tabel 4.6 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
ROA BOPO
LDR CAR
N 51
51 51
51 Normal
Parametersa,b Mean
2.0553 47.8563
74.1310 16.8122
Std. Deviation .93444
26.54594 13.89340
4.12308 Most Extreme
Differences Absolute
.097 .123
.109 .123
Positive .097
.123 .052
.123 Negative
-.064 -.111
-.109 -.076
Kolmogorov-Smirnov Z .691
.877 .778
.876 Asymp. Sig. 2-tailed
.726 .425
.580 .427
a Test distribution is Normal. b Calculated from data.
Sumber: Diolah dengan SPSS 17, 2013
Data berdistribusi normal apabila nilai signifikansinya berada di atas 0.05. Berdasarkan tabel 4.6 di atas, dapat dilihat bahwa nilai signifikansi ROA sebesar
0.726, nilai signifikansi BOPO sebesar 0.425, nilai signifikansi LDR sebesar 0.580, dan nilai signifikansi CAR sebesar 0.427. Hal ini menunjukkan bahwa
masing-masing variabel yaitu ROA, BOPO, LDR, dan CAR memiliki nilai signifikansi di atas 0.05. Sehingga dapat disimpulkan bahwa keempat variabel
memiliki data yang terdistribusi normal.
4.1.4.2 Uji Multikolinearitas
