Hasil Analisis Deskriptif HASIL PENELITIAN DAN PEMBAHASAN

Tabel 5. Hasil Uji Normalitas Berdasarkan Gambar 2 di atas dapat dilihat bahwa titik-titik grafik menyebar di sekitar garis diagonal sehingga data pada penelitian ini berdistribusi normal. Selain itu, pada tabel 5 di atas dapat dilihat nilai Asymp. Sig.2-tailed lebih dari α=0,05 yakni sebesar 0,427. Jadi data penelitian ini berdistribusi normal. 2. Hasil Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui apakah tiap variabel independen saling berhubungan secara linear. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Uji multikolinearitas merupakan salah satu syarat untuk pengujian regresi berganda. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF. Hasil pengolahan data uji multikolinearitas sebagai berikut: One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 92 Normal Parameters a,,b Mean 0,0000000 Std. Deviation 0,00571660 Most Extreme Differences Absolute 0,091 Positive 0,091 Negatif -0,044 Kolmogorov-Smirnov Z 0,876 Asymp. Sig. 2-tailed 0,427 Sumber : Lampiran IX, halaman 112 Tabel 6. Hasil Uji Multikolinearitas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta T olerance VIF 1 Constant -0,033 0,007 -4,542 0,000 Dewan Komisaris Independen 0,035 0,009 0,257 3,729 0,000 0,833 1,201 Dewan Direksi 0,002 0,000 0,456 5,415 0,000 0,559 1,789 Komite Audit 0,001 0,001 0,065 0,757 0,451 0,532 1,880 Capital Adequacy Ratio 0,033 0,019 0,117 1,699 0,093 0,840 1,190 Net Interest Margin 0,251 0,039 0,518 6,466 0,000 0,619 1,617 a. Dependent Variable: Return on asset Sumber : Lampiran IX, halaman 113 Berdasarkan Tabel 6 di atas dapat dilihat bahwa seluruh nilai tolerance variabel independen lebih dari 0,1 dan nilai VIF kurang dari 10 sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas.

3. Hasil Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui adanya korelasi secara linear antara kesalahan pengganggu periode t dengan kesalahan pengganggu periode t-1 sebelumnya. Uji korelasi dapat diketahui melalui uji Durbin-Watson DW. Berikut ini adalah hasil uji autokorelasi Durbin- Watson : Tabel 7. Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 0,812 a 0,659 0,639 0,00588044 2,125 a. Predictors: Constant, Net interest margin, Capital adequacy ratio, Dewan Komisaris Independen, Dewan Direksi, Komite Audit b. Dependent Variable: Return On Asset Sumber : Lampiran IX, halaman 113 Berdasarkan Tabel 7 dapat dilihat nilai Durbin-Wason DW sebesar 2,125. Jika melihat tabel DW dengan tingkat signifikansi 5 dan n sebanyak 92, dan jumlah variabel independen k sebanyak 5, maka dapat diketahui nilai dL = 1,5482 dan nilai dU = 1,7767. Kriteria data tidak terjadi autokoelasi adalah dU DW 4-dU maka data ini tidak terjadi korelasi karena 1,7767 2,125 2,2233.

4. Hasil Uji Heteroskedastisitas

Uji heteroskedastsitas bertujuan untuk mengetahui apakah terdapat ketidaksamaan varian dari residual satu ke residual lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Berikut ini merupakan hasil uji heteroskedastisitas: Gambar 3. Hasil Uji Heteroskedastisitas