Dari hasil pengolahan regresi berganda pada tabel di atas yang diperoleh Lampiran v, dapat diketahui bahwa nilai R adalah 0,278 atau
27,8. Nilai R pada intinya mengukur seberapa besar hubungan antara variabel independen dengan variabel dependen. Sedangkan nilai R Square
R
2
= koefisien determinasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai R Square R
2
berada di antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menerangkan variasi variabel dependen sangat terbatas.
Nilai R-square dari output di atas adalah sebesar 0,077 ini berarti bahwa variasi dari variabel independen yang terdiri dari CAR, NPL, ROA,
ROE, NIM, BOPO, dan LDR hanya mampu menjelaskan variasi variabel dependen Pertumbuhan Laba sebesar 7,7, sedangkan sisanya sebesar
92,3 disebabkan oleh faktor lain yang tidak dimasukkan dalam model regresi.
b. Uji Signifikan Simultan F-test
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel dependen. Hasil uji signifikan simultan
F-test dapat dilihat pada tabel Uji ANOVA di bawah ini.
Universitas Sumatera Utara
Tabel 4.7 Uji ANOVA F-test
ANOVAb
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 3.812
7 .545
.287 .953a
Residual 45.498
24 1.896
Total 49.310
31 a Predictors: Constant, Ln_LDR, Ln_ROA, Ln_CAR, Ln_NPL, Ln_BOPO, Ln_NIM, Ln_ROE
b Dependent Variable: Ln_PL
Sumber: output SPSS yang diolah oleh penulis, 2010
Dari uji ANOVA pada tabel 4.7 yang diperoleh dari Lampiran v, diketahui F
hitung
sebesar 0,287 dengan tingkat signifikansi lebih besar dari tingkat kepercayaan 0,953 0,05. Kesimpulannya H
diterima. Artinya secara bersama-sama simultan, kedua variabel independen tidak
mempengaruhi variabel dependen. Adapun koefisiennya adalah sebagai berikut:
Tabel 4.8 Koefisien Uji ANOVA
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
-4.772 4.092
-1.166 .255
Ln_CAR -1.136
1.331 -.276
-.853 .402
Ln_NPL .434
.491 .193
.886 .385
Ln_ROA .366
1.027 .155
.356 .725
Ln_ROE -.205
.883 -.105
-.232 .818
Ln_NIM -1.366
1.419 -.338
-.963 .345
Ln_BOPO -1.136
1.468 -.230
-.774 .447
Ln_LDR .091
1.364 .020
.066 .948
a Dependent Variable: Ln_PL
Sumber: output SPSS yang diolah oleh penulis, 2010
Universitas Sumatera Utara
Dari tabel di atas, dapat ditentukan persamaan regresi sebagai berikut :
Y = -4.772 - 1.136x
1
+ 0 .434x
2
+ 0.366x
3
- 0.205x
4
- 1.366x
5
- 1.136x
6
+ 0.091x
7
Keterangan :
1 konstanta sebesar -4.772 menyatakan bahwa jika tidak ada CAR,
NPL, ROA, ROE, NIM, BOPO, dan LDR, maka Pertumbuhan Laba mengalami penurunan sebesar 4.772
2 koefisien regresi CAR sebesar -1.136 menyatakan bahwa setiap penambahan 1 CAR maka akan menurunkan Pertumbuhan Laba PL
sebesar 0,058
3 koefisien regresi NPL sebesar 0.434 menyatakan bahwa setiap
penambahan 1 NPL maka akan menaikkan Pertumbuhan Laba PL sebesar 0.434
4 koefisien regresi ROA sebesar 0.366 menyatakan bahwa setiap
penambahan 1 ROA maka akan menaikkan Pertumbuhan Laba PL sebesar 0.366
5 koefisien regresi ROE sebesar -0.205 menyatakan bahwa setiap
penambahan 1 ROE maka akan menurunkan Pertumbuhan Laba PL sebesar -0.205
6 koefisien regresi NIM sebesar -1.366 menyatakan bahwa setiap
penambahan 1 NIM maka akan menurunkan Pertumbuhan Laba PL sebesar -1.366
Universitas Sumatera Utara
7 koefisien regresi BOPO sebesar -1.136 menyatakan bahwa setiap
penambahan 1 NIM maka akan menurunkan Pertumbuhan Laba PL sebesar -1.136
8 koefisien regresi LDR sebesar 0.091 menyatakan bahwa setiap
penambahan 1 NIM maka akan menaikkan Pertumbuhan Laba PL sebesar 0.091.
c. Uji signifikan parsial t-test