26 Variable ini memiliki nilai terkecil sebesar 17,41 dengan nilai maksimum sebesar 19,89.
jumlah nilai sample pada variable ini sebesar 912,82 dan rata-rata adalah 19,02. 2. Variabel Capital Adequacy Ratio CAR
Variable ini memiliki nilai terkecil sebesar 12.02 dengan nilai maksimum sebesar 31,09. jumlah nilai sample pada variable ini sebesar 786,86 dan rata-rata adalah 16,39.
3. Variabel Non Performing Loan NPL
Variable ini memiliki nilai terkecil sebesar 1,74 dengan nilai maksimum sebesar 4,67. jumlah nilai sample pada variable ini sebesar 155,25 dan rata-rata adalah 3,23.
4. Variabel Return On Assets ROA
Variable ini memiliki nilai terkecil sebesar 1,77 dengan nilai maksimum sebesar 5,15. jumlah
nilai sample pada variable ini sebesar 152,13 dan rata-rata adalah 3,16.
5. Varibel Kredit Variable ini memiliki nilai terkecil sebesar 17,53 dengan nilai maksimum sebesar 19,67.
jumlah nilai sample pada variable ini sebesar 904,52 dan rata-rata adalah 18,84.
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Uji Normalitas Data
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual yang memiliki distribusi normal. Uji normalitas dengan grafik bisa
menyesatkan kalau tidak hati – hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan di samping uji grafik dilengkapi dengan uji
statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik nonparametik.
Universitas Sumatera Utara
27
A. Grafik Histogram
Pada pendekatan ini sebuah data memiliki distribusi normal jika bentuk kurva sama besar tidak ada kemencengan kurva baik ke kanan atau ke kiri.
Gambar 4.1 Uji Normalitas Histogram
Dari hasil spss diatas terlihat bahwa kurva sama besar dan tidak ada terjadi kemencengan garis baik kekanan maupun kekiri sehingga dapat dinyatakan bahwa data ini memang
memiliki data yang berdistribusi normal.
B. Grafik Garis
Pada metode ini sebuah data dapat dikatakan berdistribusi normal jika titik – titik mengikuti garis diagonal dan tidak ada titik yang terlalu mencolok atau menjauh dari garis diagonal.
Universitas Sumatera Utara
28
Gambar 4.2 Uji Normalitas Grafik P – Plot
Dari hasil spss diatas jelas terlihat bahwa titik – titik mengikuti garis diagonal dan tidak ada terjadi titik yang mencolok jauh dari garis diagonal sehingga pendekatan ini juga
membuktikan bahwa data ini memiliki distribusi data yang normal. Uji statistik yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik nonparametik. Kolomogrov – Smirnov. Jika nilai signifikasinya 0,05 maka data terdistribusi normal. Jika nilai signifikasinya 0,05 maka data terdistribusi tidak
normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation .07979259
Most Extreme Differences Absolute
.083 Positive
.083 Negative
-.061
Universitas Sumatera Utara
29
Kolmogorov-Smirnov Z .573
Asymp. Sig. 2-tailed .898
a. Test distribution is Normal.
Tabel 4.2 Hasil Uji Normalitas Data
Dari hasil uji Kolmogrov – Smoirnov pada tabel 4.2 diatas menunjukkan nilai signifikasi = 0,898. Dengan demikian, data pada penilitian ini berdistribusi normal dan dapat digunakan
untuk melakukan uji hipotesis karena 0,898 0,05.
4.2.2.2 Uji Heterokedastisitas
