72 kepemilikan bank persero juga ikut mengalami perubahan, dimana saham bank-
bank persero telah menjadi bank publik melalui penjualan sebagian sahamnya melalui pasar modal divestasi antara lain: BNI, Mandiri, dan BRI. Nresna
Iqlima, 2010:64.
B. Pengujian dan Pembahasan
1. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi
normal atau tidak Suliyanto 2011:67.Apabila sebaran data sudah berdistribusi normal, maka uji lanjut dengan menggunakan
statistik parametrik bisa dilakukan. Sebaliknya, bila data tidak berdistribusi normal maka uji lanjut dengan menggunakan statistik
parametrik tidak bisa dilakukan, tetapi menggunakan statistik non parametrik. Untuk menguji normalitas sebaran data bisa dilakukan
dengan empat cara, yaitu Chi-Square, Lilifors dan Kormogorov Smirnov dan Skewness Kurtosis
. Pada penelitian ini, Uji normalitas menggunakan jarque
bera yang bertujuan untuk menguji apakah dalam model regresi variabel dependen, variabel independen maupun keduanya
berdistribusi normal atau tidak. Model yang baik adalah yang memiliki distribusi data yang normal. Pada penelitian ini untuk
73 menguji normalitas dalam persamaan regresi adalah dengan dua
cara: a. Membandingkan statistik Jarque-Bera JB dengan nilai X2
tabel. Jika nilai JB ≤ X2 tabel maka nilai residual terstandarisasi dinyatakan berdistribusi normal.
b. Jika nilai probabilitas lebih besar dari nilai derajat kesalahan α
= 0.05, maka penelitian ini tidak ada permasalahan normalitas atau dengan kata lain, data terdistribusi normal.
Grafik 4.1 Hasil Uji Normalitas Bank Persero
Dari grafik histogram diatas dapat dilihat bahwa nilai Jarque-Bera sebesar 6.608625 atau berada dibawah nilai
tabel Chi Square yaitu sebesar 9,48773, maka
diterima. Kesimpulannya adalah data terdistribusi dengan normal.
b. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
2 4
6 8
10 12
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5 2.0
Series: Residuals Sample 2007M01 2011M12
Observations 58 Mean
7.33e-16 Median
-0.163812 Maximum
2.153284 Minimum
-1.337144 Std. Dev.
0.857568 Skewness
0.826828 Kurtosis
2.995293 Jarque-Bera
6.608625 Probability
0.036724
74 regresi yang baik seharusnya tidak terjadi korelasi antara variabel
bebas. Pada penelitian ini, ada atau tidaknya multikolinieritas dapat
diketahui atau dilihat dari koefisien korelasi masing-masing variabel bebas. Jika koefisien kolerasi diantara masing-masing variabel bebas
lebih besar dari 0,85 maka terjadi multikolinieritas Agus Widarjono, 2010 : 77
Multikolinieritas bisa dideteksi dengan melihat kolerasi linier antara variabel independen di dalam regresi. Sebagai aturan yang
kasar rule of thumb, jika koefisien kolerasi cukup tinggi yaitu diatas 0,85 maka kita duga ada multikolinieritas dalam model. Sebaliknya
jika koefisien kolerasi kurang dari 0,85 maka kita duga model tidak mengandung unsur multikolinieritas. Akan tetapi perlu kehati-hatian
terutama pada data time series seringkali menunjukan kolerasi antar variabel independen cukup tinggi. Kolerasi tinggi ini terjadi karena
data time series seringkali menunjukan unsur tren yaitu data bergerak naik dan turun secara bersamaan Agus Widarjono, 2010:77.
75
Tabel 4.1 Hasil Uji Multikolinieritas Bank Persero
CAR ROA
NPL BOPO
CAR 1.000000 -0.331138 0.815997 0.368379
ROA -0.331138 1.000000 -0.646299 -0.466746
NPL 0.815997 -0.646299 1.000000 0.370541
BOPO 0.368379 -0.466746 0.370541 1.000000
Sumber data : Diolah Menggunakan Eviews 6.0 Berdasarkan tampilan Tabel 4.1 dapat diketahui bahwa tidak ada
masalah dalam persamaan regresi berganda. hal ini dikarenakan nilai dari matrix kolerasi colleration matrix dari semua variabel adalah 0,85
Menurut Agus Widarjono, 2010 : 77.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas adalah suatu kondisi dimana terjadi ketidaksamaan varians dalam fungsi regresi. Data yang baik adalah
data yang homoskedastisitas. Homoskedastisitas adalah kesamaan varians dalam model regresi.
Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas melalui Uji Park yaitu meregresi nilai logaritma dari kuadrat residual
terhadap variabel independen. Apabila probabilitas signifikansi variabel independen lebih besar dari derajat kesalahan yaitu 5, maka
dalam model regresi tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Namun apabila probabilitas signifikansi kurang
76 dari derajat kesalahan 5, maka dalam model regresi ada indikasi
terjadi heteroskedastisitas Winarno, 2009:5.12.
Tabel 4.2 Hasil Uji Heteroskedastisitas Bank Persero
Sumberdata : Diolah Menggunakan Eviews 6.0
Pada tampilan tabel 4.2 menunjukkan tingkat probabilitasbaik varibel konstanta dan variabel-variabel independen CAR, ROA, NPL
dan BOPO bebas dari heteroskedastisitas yang ditunjukkandengan tingkat signifikansi 5.
Dependent Variable: LOGRES2 Method: Least Squares
Date: 071113 Time: 11:54 Sample: 2006M01 2011M12
Included observations: 71 Variable
Coefficient Std. Error t-Statistic
Prob. C
1.428978 2.579834
0.553903 0.5815
CAR -0.195961
0.159817 -1.226163 0.2245
ROA -0.547022
0.539023 -1.014840 0.3139
NPL 0.066691
0.123295 0.540907
0.5904 BOPO
0.013486 0.016569
0.813945 0.4186
R-squared 0.094930 Mean dependent var -1.692581
Adjusted R-squared 0.040077 S.D. dependent var
2.008341 S.E. of regression
1.967685 Akaike info criterion 4.259412 Sum squared resid
255.5378 Schwarz criterion 4.418756
Log likelihood -146.2091 Hannan-Quinn criter. 4.322778
F-statistic 1.730630 Durbin-Watson stat
1.266212 ProbF-statistic
0.153726
77
d. Uji Autokolerasi
Untuk mendeteksi adanya autokorelasi, dalam penelitian ini menggunakan uji Durbin-Watson. Uji D-W merupakan salah satu uji
yang banyak dipakai untuk mengetahui ada tidaknya otokorelasi Winarno, 2009:5.27.
Untuk mendeteksi tentang uji autokorelasi secara umum bisa diambil patokan Singgih, 2000:218:
1 Angka D-W dibawah -2, berarti ada autokorelasi positif 2 Angka D-W diantara -2 sampai +2, berarti tidak
autokorelasi
3 Angka D-W diatas +2, berarti ada korelasi negatif. Autokolerasi terjadi ketika kesalahan pengganggunya saling
kolerasi satu sama lainnya. Uji autokolerasi ini digunakan untuk mengetahui apakah dalam model regresi linier ada kolerasi antara
kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya . Jika terjadi kolerasi maka dinamakan ada
problema autokolerasi dalam penelitian ini maka digunakan uji Durbin Watson DW.
Pendapat lain dari Danang Sunyoto 2011:134 salah satu ukuran dalam menentukan adanya tidaknya masalah autokolerasi
adalah dengan uji Durbin Watson DW dengan ketentuan sebagai berikut :
78 1 Terjadi autokolerasi positif jika nilai DW dibawah -2 DW
-2 2
Tidak terjadi autokolerasi, jika nilai DW berada diantara -2 dan =2 atau -2 DW , +2
3 Terjadi autokolerasi negatif jika nilai DW berada diatas +2 atau DW +2.
Tabel 4.3 Hasil Uji Autokolerasi Bank Persero
Dependent Variable: DEP Method: Least Squares
Date: 071113 Time: 11:55 Sample: 2006M01 2011M12
Included observations: 72 Variable
Coefficient Std. Error t-Statistic
Prob. C
9.529900 1.188145 8.020819
0.0000 CAR
-0.319784 0.073983 -4.322392
0.0001 ROA
-0.238679 0.247794 -0.963215
0.3389 NPL
0.377648 0.057077 6.616495
0.0000 BOPO
0.019531 0.007655 2.551413
0.0130 R-squared
0.708922 Mean dependent var
7.806389 Adjusted R-squared 0.691544
S.D. dependent var 1.640116
S.E. of regression 0.910902 Akaike info criterion
2.718152 Sum squared resid 55.59269
Schwarz criterion 2.876253
Log likelihood -92.85346 Hannan-Quinn criter. 2.781092
F-statistic 40.79462
Durbin-Watson stat 0.443480
ProbF-statistic 0.000000
Sumber : Data Diolah Menggunakan Eviews 6.0 Berdasarkan tabel 4.3 diatas dapat diketahui bahwa nilai
Durbin Watson adalah sebesar 0.443480. nilai ini akan dibandingkan
dengan nilai tabel dengan menggunakan nilai signifikansi 5,
79 Jumlah sampel nya adalah 4 dan jumlah variabel independen adalan
4. Dari tabel 4.3 diatas di dapat nilai Durbin Watson adalah -2 0.443480 2, maka dapat disimpulkan tidak ada autokolerasi baik
secara positif maupun secara negatif.
2. Analisis Regresi Berganda