65 16. Dari menu utama spss pilih Analyze, kemudian Regression, lalu
pilih Linear. Pada kotak dependent isikan variabel TBH, dan pada kotak independen variabel isikan variabel, ROA,
BOPO, NPF, dan DPK 17. Pilih statistik dan aktifkan Durbin-Watson untuk menguji
apakah masih terjadi autokorelasi. Abaikan lainnya dan pilih Ok
18. Bandingkan nilai Durbin-Watson saat ini, apakah masih terjadi autokoreasi atau tidak jika nilai d terletak antara nilai dU
dengan 4-Du, maka dapat disimpulkan bahwa model persamaan regresi tersebut sudah tidak mengandung masalah autokorelasi
lagi.
2. Uji Statistik
Ketepatan fungsi regresi sampel dalam menaksir nilai actual dapat diukur dari Goodness of fitnya. Secara statistik, setidaknya ini dapat diukur
dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. perhitungan statistik disebut signifikan secara statistik apabila nilai uji
statistiknya berada dalam daerah kritis daerah dimana H ditolak.
Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana H
diterima Ghazali 2013. a. Uji Signifikan Parameter Individual Uji Statistik t
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh suatu
variabel penjelasindependen
secara individual
dalam
66 menerangkan variasi variabel dependen. Hipotesis nol H
yang hendak diuji adalah apakah suatu parameter
βi sama dengan nol, atau: H
: βi = 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis
alternatifnya H
a
parameter suatu variabel tidak sama dengan nol, atau: H
a
: βi ≠0
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.
Cara melakukan uji t salah satunya adalah dengan cara membandingkan nilai statistik t dengan titik kritis menurut tabel.
Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan t tabel, maka hipotesis alternatif yang menyatakan bahwa suatu variabel
independen secara individual mempengaruhi variabel dependen dapat diterima.
b. Uji Siginifikansi F Uji Statistik F Uji statistik F pada dasarnya menunjukan apakah semua variabel
independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat.
Hipotesis nol H yang hendak diuji adalah apakah semua parameter
dalam model sama dengan nol, atau : H
: b1=b2= ….=bK=0
67 Artinya, apakah semua variabel independen bukan merupakan
penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya H
a
tidak semua parameter secara simultan sama dengan nol, atau :
H
a
: b1 ≠b2≠…≠bk≠0
Artinya, semua variabel independen secara simulatan merupakan penjelas yang signifikan terhadap variabel dependen.
Untuk menguji hipotesis ini digunakan statistik F dengan criteria pengambilan keputusan sebagai berikut :
1 Quick look : bila nilai F lebih besar daripada 4 maka H dapat
ditolak pada derajat kepercayaan 5. Dengan kata lain, hipotesis alternatif yang menyatakan bahwa semua variabel
independen secara serentak dan signifikan mempengaruhi variabel dependen.
2 Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F
tabel, maka H ditolak dan menerima H
a.
c. Koefisien Determinasi R
2
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara
dua variabel. Nilai koefisien determinasi menunjukan persentase variasi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi
yang dihasilkan. Misalnya, nilai R kuadrat pada suatu persamaan
68 regresi yang menunjukan hubungan pengaruh variabel Y sebagai
variabel dependen dan variabel X sebagai variabel independen dari hasil penghitungan tertentu adalah 0,85. Ini artinya bahwa variasi nilai
Y yang dapat dijelaskan oleh persamaaan regresi yang diperoleh adalah 85. Sisanya, yaitu 15, variasi variabel Y dipengaruhi oleh variabel
lain yang berada di luar persamaan model Algifari 2013. Koefisien determinasi pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien deteminasi adalah nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variabel dependen. Kelemahan mendasar menggunakan koefisien determinasi adalah
bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R
2
pada saat mengavaluasi mana model regresi terbaik. Tidak seperti R
2
, nilai Adjusted R
2
dapat naik atau turun apabila suatu variabel independen ditambahkan kedalam model Ghazali, 2013 : 97.
69
E. Operasional Variabel Penelitian
1. Variabel Dependen