99
dan Non Performing Financing ROA. Keseluruhan dari data yang digunakan sebagai bahan penelitian diperoleh dari laporan bulan Bank Indonesia.
Sebagaimana yang telah dijelaskan pada bab sebelumnya model yang digunakan peneliti sebagai alat analisis regresi berganda adalah Ordinary
Least Square OLS. Model OLS merupakan model estimasi yang sering
digunakan untuk mengestimasi fungsi regresi populasi dari fungsi regresi sampel Ajija, 2011:23. Pengolahan data dilakukan secara elektronik dengan
menggunakan Microsoft Excel 2007 dan Eviews 5 untuk mempercepat hasil yang dapat menjelaskan varabel-variabel yang akan diteliti.
1. Uji Asumsi Klasik
a. Uji Normalitas
Uji Normalitas yang digunakan dalam penelitian ini adalah menggunakan uji Jarque Bera dengan melihat nilai probability. Jika
probability lebih besaar dari nilai derajat α = 0.05, maka penelitian ini tidak ada permasalahan normalitas atau dengan kata lain, data
terdistribusi normal, begitu pula sebaliknya.jika nilai probabilitasnya lebih kecil dari derajat kesalahan α = 0.05, maka dalam penitian ini ada
permasalahan normalitas atau dengan kata lain, data tidak terdistribusi
normal.
Tabel 4.1 Uji Normalitas Jarque-Bera
Jarque-Bera 0.123263
Probability 0.940229
100
Sumber: Lampiran 2 data BI diolah Berdasarkan Tabel 4.1, terlihat nilai probability sebesar
0.940229, lebih besar dari tingkat signifikansi sebesar 0.05, artinya data terdistribusi normal yang berarti H
diterima.
b. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui ada tidaknya hubungan korelasi yang signifikan di antara dua atau lebih variabel
independen dalam model regresi. Deteksi adanya multikolinieritas dilakukan dengan menggunakan uji korelasi parsial antar variabel
independen. Dengan melihat nilai koefisien korelasi r antar variabel independen, dapat diputuskan apakah data terkena multikolinieritas
atau tidak, yaitu dengan emnguji koefisien korelasi antar variabel independen, jika terjadi korelasi, maka terdapat multikolinieritas,
dimana model regresi yang baik adalah tidak terjadi multikolinieritas antar variabel independen dengan variabel dependen. Hasil pengujian
1 2
3 4
5 6
7 8
-0.004 -0.002
0.000 0.002
0.004 Series: Residuals
Sample 2009M01 2012M12 Observations 48
Mean 3.85e-17
Median 5.65e-05
Maximum 0.004396
Minimum -0.004689
Std. Dev. 0.001909
Skewness -0.102305
Kurtosis 2.859407
Jarque-Bera 0.123263
Probability 0.940229
101
multikolinieritas menggunakan uji korelasi r dapat dilihat sebagai
berikut: Tabel 4.2
Hasil Uji Correlation Matrix
FDR LNDPK
LNSBIS NPF
FDR 1.000000
-0.181828 -0.561479
0.233885 LNDPK
-0.181828 1.000000
0.633318 -0.926464
LNSBIS -0.561479
0.633318 1.000000
-0.672005 NPF
0.233885 -0.926464
-0.672005 1.000000
Sumber: Lampiran 3 data BI diolah Dari tabel 4.2 diatas dapat dilihat hasil analisis uji
multikolinieritas dengan Correlation Matrix menunjukkan bahwa korelasi antar variabel independen antara FDR dan LNDPK
mapupun sebaliknya sebesar -0.181828, antara FDR dengan
LNSBIS maupun sebaliknya sebesar -0.561479, antara FDR dan NPF maupun sebaliknya sebesar 0.233885.
Terlihat dari tabel 4.2 diatas nilai korelasi variabel independen yaitu FDR, DPK, SBIS, dan NPF tertinggi hanya
mencapai 0.633318 yaitu antara LNDPK dengan LNSBIS maapun sebaliknya.Karena nilai 0.633318 0.8 sehingga diputuskan tidak
terdapat multikolinieritas. Hasil ini menginformasikan model Ordinary Least Square
OLS yang dilakukan dapat dikatakan terbebas dari gejala multikolinieritas.