dilakukan dengan bantuan program statistik. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah:
a.Berdistribusi normal. b.Non-Multikolonearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
c.Non-Autokorelasi, artinya kesalahan penganggu dalam model regresi tidak saling berkorelasi.
d.Homoskedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak, dengan
membuat hipotesis sebagai berikut : H
: data residual terdistribusi normal H
A
: data residual terdistribusi tidak normal. Santoso 2002:34 memberikan pedoman pengambilan keputusan untuk data-
data yang mendekati atau telah terdistribusi secara normal. 1 Apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data
normal. 2 Apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data
tidak normal. Adapun hasil uji normalitas dengan menggunakan model Kolmogorov
Smirnov adalah seperti yang ditampilkan dalam tabel 4.4 berikut ini :
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
NPL LDR
CAR NIM
ROA Unstandardi
zed Residual
N 88
88 88
88 88
88 Normal
Parametersa,b Mean
,045012 ,63147
3 ,18898
2 ,06514
,01971 5
,0000000 Std. Deviation
,053385 6
,19591 38
,08069 82
,04089 89
,03769 32
,02253428 Most Extreme
Differences Absolute
,287 ,099
,076 ,188
,410 ,191
Positive ,287
,093 ,076
,188 ,388
,191 Negative
-,248 -,099
-,067 -,154
-,410 -,162
Kolmogorov-Smirnov Z 1,718
,891 ,609
1,548 1,604
1,554 Asymp. Sig. 2-tailed
,040 ,658
,856 ,040
,007 ,016
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 8 Berdasarkan hasil uji statistik dengan model Kolmogorov Smirnov seperti
yang terdapat dalam tabel 4.6, dapat disimpulkan bahwa data terdistribusi tidak normal, yang berarti bahwa H
ditolak dan H
A
diterima. Hal ini dapat dilihat dari nilai signifikansi unstandarized residual yang nilainya lebih kecil dari 0,05, yaitu
sebesar 0,016. Jika data tidak terdistribusi secara normal, maka tidak dapat dilakukan pengujian lebih lanjut. Oleh sebab itu perlu dilakukan treatment untuk
menormalkan data. Menurut Jogianto 2004:172, ada beberapa cara yang dapat dilakukan untuk
menormalkan distribusi data, yaitu :
1Dengan melakukan transformasi data, yaitu mengubah nilai-nilai observasi data ke dalam bentuk logaritma sehingga membentuk
distribusi yang normal.
2Trimming, yaitu memangkas membuang observasi yang bersifat outlier, yaitu nilainya lebih kecil dari
μ - 2σ atau lebih besar dari μ + 2σ. 3Winzorising, yaitu mengubah nilai-nilai outliers menjadi nilai-nilai
minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
Universitas Sumatera Utara
Penulis dalam penelitian ini melakukan cara treatment yaitu dengan melakukan transformasi data ke model Logaritma Natural LN. ROA = fNPL,
LDR, CAR, NIM menjadi LN ROA = fLN NPL, LN LDR, LN CAR, LN NIM. Transformasi data yang dilakukan adalah model log-log karena baik variabel
bebas maupun variabel terikat terdistribusi tidak normal Nachrowi, 2006:68. Berikut ini merupakan hasil uji statistik dengan model Kolmogorov Smirnov
setelah dilakukan transformasi data :
Tabel 4.5 Hasil Uji Normalitas 2
One-Sample Kolmogorov-Smirnov Test setelah Transformasi Logaritma Natural
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 8 Table 4.5 menunjukkan bahwa hasil pengujian statistik dengan model
Kolmogorov Smirnov telah terdistribusi secara normal. Hal ini dapat dilihat dari nilai signifikansi lebih besar dari 0,05 0,05 yaitu sebesar 0,495. Jika
diperhatikan dari nilai variabel per variabel dapat dilihat bahwa semua variabel telah memiliki nilai signifikansi lebih besar dari 0,05, yaitu :
LN_NPL LN_LDR
LN_CAR LN_NIM
LN_ROA Unstand
ardized Residual
N 88
88 88
86 84
83 Normal
Parameter sa,b
Mean -3.851757
-.545725 -1.777729
-3.129240 -4.110894
.000000 Std.
Deviation 1.2048578
.3495802 .3447390
.3556848 .8188586
.543045 84
Most Extreme
Differenc es
Absolute .148
.127 .112
.115 .161
.106 Positive
.055 .116
.056 .115
.068 .106
Negative -.148
-.127 -.112
-.080 -.161
-.071 Kolmogorov-Smirnov
Z 1.204
1.028 .906
.923 1.268
.831 Asymp. Sig. 2-tailed
.120 .243
.394 .352
.090 .495
Universitas Sumatera Utara
1 Nilai signifikansi LN NPL X
1
adalah 0,120. 2
Nilai signifikansi LN LDR X
2
adalah 0,243. 3
Nilai signifikansi LN CAR X
3
adalah 0,394. 4
Nilai signifikansi LN NIM X
4
adalah 0,352. 5
Nilai signifikansi LN ROA Y adalah 0,090. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat
dilakukan pengujian asumsi klasik lainnya. Untuk lebih jelas, berikut ini ditampilkan grafik histogram dan plot data yang sudah terdistiribusi normal
Gambar 4.1 Histogram
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 9 Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara
normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi
Regression Standardized Residual
4 2
-2
F re
q u
e n
c y
20 15
10 5
Histogram Dependent Variable: LN_ROA
Mean =-4.82E-16 Std. Dev. =0.966
N =61
Universitas Sumatera Utara
data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng kanan. Hal ini juga didukung dengan hasil uji normalitas dengan
menggunakan grafik plot sebagai berikut :
Gambar 4.2 Grafik Normal Plot
Sumber : Output SPSS, diolah Penulis, 2009 Lampiran 10
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: LN_ROA
Universitas Sumatera Utara
Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data
titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdisribusi normal. Gambar 4.2 menunjukkan
bahwa data titik menyebar disekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah
terdistribusi normal.
b. Uji Multikoloniearitas
