asumsi klasik persamaan regresi yang meliputi uji auto kolerasi, uji normalitas dan uji heteroskedastisitas.
1. Uji Asumsi Klasik
Dalam melakukan analisis regresi berganda perlu menghindari penyimpangan asumsi klasik supaya tidak timbul
masalah dalam penggunaan analisis regresi berganda. Didalam penelitian ini dilakukan 4 pengujian asumsi klasik yang dianggap
penting dalam penelitian yaitu normalitas, tidak terdapat multikolinearitas antar variabel independen, tidak terjadi
autokolerasi dan heterokedastisitas. Hal ini dimaksudkan agar persamaan regresi yang dihasilkan adalah BLUE Best Linear
Unbiased Estimators. Ghozali, 2005.
a.Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi
normal. Jika terdapat normalitas, maka residual akan terdistribusi secara normal dan independen, yaitu perbedaan antara nilai
prediksi dengan skor yang sesungguhnya atau eror akan terdistribusi secara simetri di sekitar nilai means sama dengan nol.
Ghozali, 2005: 27. Maksud data terdistribusi secara normal adalah bahwa data akan mengikuti bentuk distribusi normal.
Distribusi normal data dengan bentuk distribusi normal dimana
41
data memusat pada nilai rata-rata dan median. Santoso dan Ashari, hal. 33321,2005.
Ada beberapa cara untuk mengeksplorasi asumsi kenormalitasan suatu data Stanislaus, hal.35, 2006 antara lain:
Uji Normalitas Kolmogorov-Smirnov. Distribusi normal mempunyai ciri-ciri, yaitu:
a. Datanya bentuk kontinus
b. Distribusinya berbentuk unimodal satu puncak seperti gunung
c. Distribusinya simetris
d. Distribusinya asimtotik atau tidak bersenthan dengan sumbu x.
Dalam uji normalitas data ckriteria untuk menolak atau menerima data terdistribusi normal berdasarkan P-value adalah
sebagai berikut: Jika p-value
α, maka data tidak normal
Jika p-value α, maka data normal
p-value merupakan istilah significance disingkat Sig., dalam penelitian ini
α = 5 0,05.
a. Uji Multikolinearitas
Uji asumsi multikolinieritas digunakan untuk mengetahui ada tidaknya hubungan yang kuat diantara variabel independen. Model
42
yang baik seharusnya tidak terdapat hubungan yang kuat diantara variabel independennya.
Uji asumsi multikolinieritas dapat dilakukan dengan beberapa cara diantaranya dengan menggunakan nilai VIF variance inflation factor
dan tolerance value. Secara umum uji ini tidak dianggap sebagai masalah yang besar jika nilai VIF lebih kecil dari 5 VIF5 atau
tolerance value lebih besar dari 0,10.
Dalam penelitian ini indikator nilai VIF digunakan untuk menguji multikolinieritas, dianakriteria untuk mendeteksinya:
Jika VIF 5, maka tidak terdapat multikolinieritas Jika VIF 5, maka terdapat korelasi moderat sampai kuat
moderate to strong Jika VIF 10, maka tidak terdapat korelasi tinggi high corelation
b. Uji Asumsi Homokedastisitas
Uji asumsi homokedastisitas pada persamaan regresi adalah untuk menguji apakah dalam sebuah pesamaan regresi terjadi suatu
kesamaan varians dari variabel residual satu periode pengamatan ke periode pengamatan yang lain. Apabila terjadi kesamaan varians maka
persamaan regresi dikatakan homokedastisitasvarians yang ada adalah identik. Tetapi apabila varians yang terjadi berbeda maka persamaan
43
regresi yang baik adalah persamaan yang mengandung asumsi homokedastisitas.
Uji hipotesis ini dilakukan dengan menggunakan metode Goldfield quands test
, dimana pengujian ini dilakukan dengan membandingkan antara F hitung
λ dengan F tabel.
Kriteria untuk mendeteksi apakah persamaan regresi tersebut mengandung asumsi homokedastisitas.
Ho = homokedastisitas λ F tabel
H1 = terdapat heteroskedastisitas λ F tabel
Rumus : λ =
RSS
2
df
2
RSS
1
df
1
Keterangan: RSS
1
= residual sum square 1 RSS
2
= residual sum square 2 df
1
= residual degree of freedom 1 df
2
= residual degree of freedom 2
44
4. Uji Statistik Koefisien Regresi
Penggunaan analisis regresi untuk menaksir pengaruh antar variabel yang telah ditetapkan sebelunnya berdasarkan teori. Ghozali, 2005;160.
Analisis ini digunakan untuk menguji hipotesis. Persamaan regresinya adalah :
Y = a + b
1
.X
1
+ b
2
.X
2
+ b
3
.X
3
+ b
4
.X
4
+ b
5
.X
5
+ b
6
.X
6
+ b
7
.X
7
+ b
8
.X
8
+ b
9
.X
9
+ ẻ
Dimana : Y = Kinerja bank
a = Konstanta b
1
to b
9
= Slope atau koefisien regresi atau intersep X
1
= Capital Adequacy Ratio CAR X
2
= Non Performing Loan NPL X
3
= Operation Cost Ratio OCR X
4
= Loan Deposit Ratio LDR X
5
= Size Total Aset X
6
= Gross Domestic Product GDP X
7
= Tingkat Inflasi X
8
= Stock Market Capitalization SMC X
9
= Concentration ẻ = Error term
45
Untuk mencapai tujuan penelitian, penelitian ini menggunakan teknik analisis regresi berganda. Pengujian terhadap hipotesis dapat dilakukan
dengan berbagai cara, yaitu sebagai berikut: Uji signifikasi antara variabel terkait, baik secara bersama-sama
maupun secara parsial dilakukan dengan menggunakan uji statistik t dan uji statistik F Fisher.
• Uji t-statistic
Uji signifikansi koefisien bi dilakukan dengan statistik t student t.
uji t digunakan uji menguji koefisien regresi secara parsial dari variabel bebasnya. Hipotesis yang digunakan adalah :
H0 : bi = 0 H1 : bi
≠ 0
Artinya tidak terdapat alternatifnya terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen.
Nilai t-statistic dapat dicari dengan menggunakan rumus Gujaranti, 1995: 114.
t- hit = koefisien regresi bi standar deviasi bi
46
Untuk menentukan nilai t-statistic tabel ditentukan tingkat signifikasi 5 dengan derajat kebebasan df = n-k-1 dimana n adalah
jumlah observasi dan adalah jumlah variabel yang termasuk intersep dengan kriteria uji adalah:
• Jika t hit t tabel α, n-k-1, maka Ho ditolak
• Jika t hit t tabel α, n-k-1, maka Ho diterima
• Uji statistik F
Uji F digunakan untuk menguji keberartian pengaruh dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat.
Hipotesis dirumuskan sebagai berikut. Ho: b
1
b
2
b
3
b
4
b
5
b
6
b
7
b
8
b
9
= 0 H
1
: b
1
b
2
b
3
b
4
b
5
b
6
b
7
b
8
b
9
≠ 0
Artinya tidak terdapat pengaruh yang signifikan secara bersama- sama dari seluruh variabel bebas terhadap variabel terkait.
Nilai F hitung dapat dicari dengan menggunakan rumus Gujarati, 1995:121:
F hitung = R
2
k-1 1-R
2
n-k
47
Untuk menentukan nilai F tabel, tingkat signifikansi yang digunakan sebesar 5 dengan derajat kebebasan degree of freedom
df = n-k dan k-1 dimana n adalah jumlah observasi, k adalah jumlah
variabel termasuk intersep dengan kriteria uji yang digunakan adalah: Jika F hit tabel a; k-1; n-k, maka Ho ditolak
Jika F hit tabel a; k-a; n-k, maka Ho diterima Untuk melihat kontribusi kemampuan menjelaskan variabel bebas
secara bersama-sama terhadap variansi variabel terikat dapat dilihat dari koefisien determinasi R
2
berganda dimana nilai koefisiennya antara 0
≤ 1. hal ini berarti nlai R
2
yang semakin besar mendekati 1 merupakan indikator yang menunjukkan semakin kuatnya kemampuan
menjelaskan perubahan variabel independen terhadap variabel dependen.
E. Operasional Variabel Penelitian