40 Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e Dimana,
Y = Profitabilitas ROA
a = konstanta
b
1
– b
5
= koefisien regresi masing-masing variabel X
1
= inflasi X
2
= GDP X
3
= FDR X
4
= NPF X
5
= BOPO e
= error of term
3.9 Uji Asumsi Klasik
3.9.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan. Dengan adanya tes normalitas, maka hasil penelitian kita bisa digeneralisasikan pada populasi Situmorang dan Lutfi, 2014:114. Uji normalitas
dilakukan melalui pendekatan histogram, pendekatan normal probability plots dan pendekatan Kolmogrov-Smirnov. Pada pendekatan histogram, suatu data
dikatakan berdistribusi normal apabila distribusi data yang berbentuk lonceng tidak menceng ke kiri atau menceng ke kanan. Pada normal probability plots,
41 suatu data dikatakan berdistribusi normal apabila pada scatter plot terlihat titik
yang mengikuti data disepanjang garis normal. Pada pendekatan Kolmogrov- Smirnov, suatu data dikatakan berdistribusi normal apabila nilai Asymp.Sig 2-
tailed berada diatas nilai signifikan yaitu 0,05.
3.9.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antar variabel independen. Jika terjadi
korelasi maka dinamakan terdapat problem multikolinearitas. Deteksi adanya multikolinearitas dapat dilihat pada besarnya nilai tolerance dan Variance
Inflation Factor VIF, jika nilai VIF 5 dan nilai tolerance 0,1 maka tidak terdapat masalah multikolinearitas. Multikolinearitas dapat dilihat dari nilai
tolerance dan Variance Inflation Factor VIF, nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance 0,1 sedangkan
Variance Inflation Factor VIF 5 maka terdapat masalah multikolinearitas Situmorang dan Lutfi, 2014:147. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independen. Terdapat bermacam cara untuk menghilangkan gejala multikolinearitas dalam suatu model regresi antara lain
dengan menambah data sampel atau menghilangkan salah satu atau beberapa variabel mempunyai nilai korelasi yang tinggi.
3.9.3 Uji Autokorelasi
