Pengujian Asumsi Klasik b
Tabel 4.7 Hasil Pengujian Asumsi Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant 6.620
2.963 2.234 .034
X1_ukuran_perusahaan -.800 .439
-.340 -1.821 .080
.946 1.05
7 X2_kualitas_aktiva_prod
uktif .003
.008 .077
.413 .683
.946 1.05
7 a. Dependent Variable: Y_return_on_asset
Berdasarkan nilai VIF yang diperoleh seperti terlihat pada tabel 4.7 diatas menunjukkan adanya korelasi yang cukup kuat antara sesama variabel bebas,
dimana nilai VIF dari kedua variabel bebas lebih besar dari 10 dan dapat disimpulkan terdapat multikolinieritas diantara kedua variabel bebas
,
dipercaya, dan obyektif.
Maka model ini tidak akan mengalami kesulitan untuk melihat pengaruh ukuran perusahaan dan kualitas aktiva produktif sebagai variabel independen
terhadap profitabilitas ROA sebagai variabel dependen terikat pada laporan keuangan 3 Bank Umum Syariah.
3 Uji Heteroskedastisitas
Heteroskedastisitas merupakan indikasi varian antar residual tidak homogen yang mengakibatkan nilai taksiran yang diperoleh tidak efisien. Untuk
menguji homogenitas varian dari residual digunakan uji rank Spearman, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residualerror.
Apabila koefisien korelasi dari masing-masing variabel independen ada yang
signifikan pada
tingkat kekeliruan
5, mengindikasikan
adanya heteroskedastisitas. Pada tabel 4.6 berikut dapat dilihat nilai signifikansi masing-
masing koefisien korelasi variabel bebas terhadap nilai absolut dari residual error.
Tabel 4.8 Hasil Pengujian Asumsi Heteroskedastisitas
Correlations
Unstandardized Residual X1
Unstandardized Residual X2
Y_return_on_ass et
Unstandardized Residual X1
Pearson Correlation 1
.027 .034
Sig. 2-tailed .530
.621 N
30 30
30 Unstandardized
Residual X2 Pearson Correlation
.027 1
.210 Sig. 2-tailed
.530 .476
N 30
30 30
Y_return_on_asset Pearson Correlation
.034 .210
1 Sig. 2-tailed
.621 .476
N 30
30 30
. Correlation is significant at the 0.01 level 2-tailed.
Berdasarkan nilai signifikansi yang diperoleh seperti dapat dilihat pada tabel 4.8 diatas memberikan indikasi bahwa residual error yang muncul dari
persamaan regresi
mempunyai varians
yang sama
tidak terjadi
heteroskedastisitas, hal ini terlihat dari nilai signifikasi masing-masing koefisien regresi kedua variabel bebas dengan absolut error yaitu 0,530 dan 0,621 masih
lebih besar dari 0,05.
4 Uji Asumsi Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari
observasi tahun berjalan dipengaruhi oleh error dari observasi tahun sebelumnya. Pada pengujian autokorelasi digunakan uji Durbin-Watson untuk mengetahui ada
tidaknya autokorelasi pada model regresi dan berikut nilai Durbin-Watson yang diperoleh melalui hasil estimasi model regresi.
Tabel 4.9 Hasil Nilai Durbin-Watson Untuk Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .331
a
.109 .043
.85985 1.797
a. Predictors: Constant, X2_kualitas_aktiva_produktif, X1_ukuran_perusahaan b. Dependent Variable: Y_return_on_asset
Berdasarkan hasil pengolahan data diperoleh nilai statistik Durbin-Watson D-W = 1,797, sementara dari tabel d pada tingkat kekeliruan 5 untuk jumlah variabel
bebas = 2 dan jumlah pengamatan n = 30 diperoleh batas bawah nilai tabel d
L
= 1,19 dan batas atasnya d
U
= 0,24. Karena nilai Durbin-Watson model regressi 1,797 berada diantara d
U
1,19 dan 4-d
U
2,348, yaitu daerah tidak ada autokorelasi sehingga dapat disimpulkan tidak terjadi autokorelasi pada model
regresi.
Gambar 4.7 Daerah Kriteria Pengujian Autokorelasi
Karena keempat asumsi regresi sudah terpenuhi, maka dapat disimpulkan bahwa hasil estimasi model regressi sudah memenuhi syarat BLUE best linear
unbias estimation sehingga dapat dikatakan kesimpulan yang diperoleh dari model regressi sudah menggambarkan keadaan yang sebenarnya.