6 β
5
sebesar -0,252004 menunjukkan bahwa setiap penambahan Loan to Deposit Ratio sebesar 1 akan diikuti oleh penurunan return on equity
sebesar -0,252004 dengan asumsi variabel lain tetap atau sama dengan nol.
b. Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol
sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan
untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen semakin terbatas. Nilai R square memiliki
kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh
signifikan terhadap variabel dependen.
Universitas Sumatera Utara
Tabel 4.8 Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .636
a
.404 .360
.0978298 1.812
a. Predictors: Constant, SQRT_X5, SQRT_X3, SQRT_X1, SQRT_X4, SQRT_X2 b. Dependent Variable: SQRT_Y
Sumber: Data yang diolah penulis, 2009. Pada model summary, nilai koefisien korelasi R sebesar 0,636 yang
berarti bahwa korelasi atau hubungan antara return on equity SQRT_Y dengan variabel independennya SQRT_CAR, SQRT_DER, SQRT_NPL,
SQRT_OR, dan SQRT_LDR begitu kuat karena berada diatas 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,360. Hal ini berarti
36 variasi atau perubahan dalam return on equity dapat dijelaskan oleh variasi dari capital adequacy ratio, debt to equity ratio, non performing
loan, operating ratio, dan loan to deposit ratio, sedangkan sisanya 64 dijelaskan oleh sebab-sebab lain. Standar Error of Estimate SEE adalah
0,0978298, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Uji t dan uji F
