Pengujian Asumsi Klasik Hasil Penelitian

5.1.2. Pengujian Asumsi Klasik

Berikut ini penulis akan melakukan uji atas data yang penulis peroleh yang disebut dengan uji asumsi klasik yang terdiri dari uji normalitas, uji heteroskedastisitas, uji multikolinearitas dan uji autokorelasi. 5.1.2.1. Uji normalitas Pengujian normalitas data dapat dilakukan dengan beberapa cara yaitu dengan menggunakan uji statistik Kolmogorov-Smirnov dan melihat grafik histogram. Uji normalitas dengan uji statistik Kolmogorov-Smirnov maksudnya ialah apabila probabilitas signifikansinya di atas 0,05 berarti variabel tersebut berdistribusi normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada Tabel 5.2 berikut ini: Tabel 5.2. Uji Statistik Kolmogorov-Smirnov Sebelum Data Outlier Dikeluarkan Unstandardiz ed Residual N 100 Normal Parameters a.b Mean .0000000 Std. Deviation .55647794 Most Extreme Absolute .153 Differences Positive .153 Negative -.084 Kolmogorov-Smirnov Z 1.533 Asymp. Sig. 2-tailed .018 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2010 Data Diolah Dari Tabel 5.2 dapat dilihat bahwa nilai Kolmogorov-Smirnov sebelum data outlier dikeluarkan berdistribusi tidak normal, disebabkan probabilitas signifikansi sebesar 0.018, di mana jika probabilitas signifikansi lebih kecil dari á 0.05, hal itu berarti data tidak berdistribusi normal. Apabila variabel tidak berdistribusi normal, p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara maka harus dilakukan transformasi data. Transformasi data dapat dilakukan dengan cara Logaritma Natural Ln maupun SQRT akar kuadrat. Tetapi karena data penelitian mempunyai data yang bernilai negatif dan jika ditransformasikan ke dalam bentuk Logaritma Natural Ln akan menjadi missing data, maka hal tersebut tidak dilakukan, dan tahap selanjutnya adalah mendeteksi adanya outlier pada data yang ada. Outlier adalah kasus atau data yang memiliki karakteristik unik yang terlihat sangat jauh berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Deteksi terhadap univariate outlier dapat dilakukan dengan batas yang akan dikategorikan sebagai data outlier yaitu dengan cara mengkonversi nilai data kedalam skor standardized atau yang biasa disebut z-score, dan untuk sampel 80 standar skor dinyatakan outlier jika data tersebut nilainya lebih besar dari 3 Ghozali, 2009. Dan setelah data outlier dikeluarkan dari observasi, maka didapat hasil seperti yang ditunjukkan dalam Tabel 5.3 berikut ini: Tabel 5.3. Uji Statistik Kolmogorov-Smirnov Setelah Data Outlier Dikeluarkan Unstandardized Residual N 98 Normal Parameters a.b Mean .0000000 Std. Deviation .45636341 Most Extreme Absolute .085 Differences Positive .085 Negative -.039 Kolmogorov-Smirnov Z .838 Asymp. Sig. 2-tailed .484 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2010 Data Diolah p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara Dari tabel di atas, dapat dilihat bahwa variabel penelitian sudah berdistribusi normal, dengan probabilitas signifikansi sebesar 0,484 di mana probabilitas tersebut lebih besar dari á 0,05 yang artinya variabel penelitian telah berdistribusi normal. Cara berikutnya untuk melihat data berdistribusi normal atau tidak dapat dilakukan melalui grafik histogram. 6 4 2 -2 Regression Standardized Residual 40 30 20 10 Fr eq ue nc y Mean = 2.45E-16 Std. Dev. = 0.964 N = 100 Dependent Variable: ROR Histogram Gambar 5.1. Histogram Sebelum Data Outlier Dikeluarkan 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe cte d C um P ro b Dependent Variable: ROR Normal P-P Plot of Regression Standardized Residual Gambar 5.2. P-P Plot Sebelum Data Outlier Dikeluarkan Sumber: Hasil Penelitian, 2010 Data Diolah Sumber: Hasil Penelitian, 2010 Data Diolah p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara Hasil tampilan grafik histogram sebelum Outlier bahwa grafik histogram memberikan pola distribusi yang menceng skewnewss ke kiri dan tidak normal, sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar garis normal, serta penyebarannya agak menjauh dari garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi menyalahi asumsi normalitas. Dan setelah Data Outlier dikeluarkan terlihat grafik sebagai gambar berikut: Gambar 5.3. Histogram Setelah Data Outlier Dikeluarkan 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe cte d C um Pr ob Dependent Variable: ROR Normal P-P Plot of Regression Standardized Residual Gambar 5.4. Grafik Normal Plot Setelah Data Outlier Dikeluarkan 3 2 1 -1 -2 Regression Standardized Residual 20 15 10 5 Frequency Mean = 3.64E-16 Std. Dev. = 0.963 N = 98 Dependent Variable: ROR Histogram Sumber: Hasil Penelitian, 2010 Data Diolah Sumber: Hasil Penelitian, 2010 Data Diolah p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara Setelah dilakukan outlier data, kita juga melihat dari tampilan grafik histogram dan grafik normal plot, terlihat bahwa grafik histogram memberikan pola distribusi yang normal, dan pada grafik normal plot terlihat titik-titik berada di sekitar garis diagonal, serta penyebarannya berada di sekitar garis diagonal. Hal ini menyatakan setelah dilakukan outlier, data telah berdistribusi normal. 5.1.2.2. Uji multikolinearitas Pengujian multikolinearitas dilakukan dengan melihat nilai Toleran dan Varian Inflation Factor VIF masing-masing variabel. Adapun hasil pengujian multikolinearitas dapat dilihat pada tabel di bawah ini. Tabel 5.4. Uji Multikolinearitas Coefficients Unstandardized Coefficients Standardized Coefficients Collinearity Statistic Model B Std. Beta t Sig. Tolerance VIF 1 Constant -.837 .809 -.1.034 .304 CAR X 1 1.201 .968 .140 1.240 .218 .809 1.237 NPL X 2 .211 1.584 .014 .133 .894 .978 1.022 ROA X 3 4.484 6.777 .134 .662 .510 .251 3.982 ROE X 4 .264 .349 .084 .758 .451 .841 1.1.189 NIM X 5 .750 2.504 .034 .300 .765 .778 1.286 BOPO X 6 .954 .824 .234 1.158 .250 .252 3.969 LDR X 7 -.250 .248 -.105 -1.008 .316 .952 1.050 a. Dependent Variable: ROR Sumber: Hasil Penelitian, 2010 Data Diolah Dari Tabel 5.4 di atas dapat dilihat bahwa hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara hal yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antarvariabel independen dalam model regresi. 5.1.2.3. Uji autokorelasi Pada penelitian ini, uji autokorelasi dapat dilakukan dengan melihat nilai Durbin Watson. Cara mendeteksi apakah model yang digunakan mengalami gejala autokorelasi adalah dengan melihat nilai statistik Durbin Watson. Hasil dari nilai Durbin Watson sebelum transformasi dapat dilihat pada tabel di bawah ini. Tabel 5.5. Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin Watson 1 .271 a .073 .001 .4737786 1.703 a. Predictors: Constants, LDR, CAR, ROA, NPL, ROE, NIM, BOPO b. Dependent Variable: ROR Sumber: Hasil Penelitian, 2010 Data Diolah Dari Tabel 5.5 dapat dilihat bahwa nilai Durbin Watson sebesar 1,703, yang artinya jika nilai Durbin Watson berada di bawah 2, maka tidak terjadi autokorelasi. 5.1.2.4. Uji heteroskedastisitas Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik scatterplot. Deteksi ada tidaknya heteroskedastisitas dapat dilihat dengan melihat ada tidaknya pola tertentu pada grafik scatterplot. Hasil dari uji heteroskedastisitas dapat dilihat pada gambar berikut ini. p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara 3 2 1 -1 -2 -3 Regression Standardized Predicted Value 3 2 1 -1 -2 -3 Re gr es sio n St ud en tiz ed R es idu al Dependent Variable: ROR Scatterplot Gambar 5.5. Uji Heteroskedastisitas Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

5.1.3. Analisa Persamaan Regresi Linier Berganda