3. Variabel penempatan dana pada bank lain memiliki nilai minimum 1.15 x 10
8
dan nilai maksimum 8.33 x 10
10
dengan rata-rata penempatan dana pada bank lain adalah 1.1049 x 10
10
dengan standar deviasi 1.89147 x 10
10
4. Variabel penyertaan modal memiliki nilai minimum 0.00 dan nilai maksimum 1.97 x 10
8
dengan rata-rata penyertaan modal adalah 9.5672 x 10
6
dengan standar deviasi 3.51159 x 10
7
5. Variabel ROE memiliki nilai minimum -0.06 dan nilai maksimum 0.99 dengan rata-rata ROE adalah 0.03
dengan standar deviasi 0.15 6. Jumlah sampel yang ada sebanyak 75.
4.3. Pengujian Asumsi Klasik
4.3.1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi ada variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini
diperlukan karena melakukan uji t dan uji F mengamsumsikan bahwa nilai residual mengikuti distribusi normal Erlina, 2007:103.
Pengujian normalitas dalam penelitian ini menggunakan dua cara yaitu analisis grafik yang terdiri dari histogram dan normal probability plot dan analisis
statistik dengan menggunakan uji nonparametric Kolmogorov Smirnov K-S memberikan pedoman pengambilan keputusan tentang data-data yang mendekati
atau merupakan distribusi normal dapat dilihat dari: a. Nilai sig. atau signifikan atau protitabilitas 0,05 maka distribusi data adalah
tidak normal.
Universitas Sumatera Utara
b. Nilai sig. atau signifikan atau profitabilitasnya 0,05 maka distibusi data adalah normal.
Uji Kolmogorov-Smirnov dilakukan dengan membuat hipotesis: H0 : data resiudal berdistribusi normal.
Ha : data residual tidak berdistribusi normal Hasil uji normalitas dengan menggunakan tes Kolmogorov Smirnov KS
adalah sebagai berikut:
Tabel 4.3. Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean .0000000
Std. Deviation .15779185
Most Extreme Differences Absolute
.411 Positive
.411 Negative
-.333 Kolmogorov-Smirnov Z
3.556 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber : SPSS 18.0, diolah Penulis, 2013.
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.9 dapat disimpulkan bahwa data tidak terdistribusi
normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov sebesar 0.000 yang lebih kecil dari 0.05, sehingga data tidak terdistribusi normal.
Untuk menguji apakah data grafik variabel Kredit X1, Surat-surat Berharga
Universitas Sumatera Utara
X2, Penempatan Dana Pada Bank Lain X3, dan Penyertaan Modal X4 memiliki distribusi normal atau tidak, dapat dilakukan dengan menggambarkan
kurva histogram dan grafik Normality Probability Plot yaitu sebagai berikut:
Gambar 4.1. Histogram Sumber : SPSS 18.0, diolah Penulis, 2013.
Dari hasil tampilan kurva histogram di atas dapat terlihat bahwa kemiringan kurva cenderung ke kanan, hal ini menunjukkan bahwa data tidak
terdistribusi dengan normal.
Universitas Sumatera Utara
Gambar 4.2. Grafik Normal P-Plot Sumber : SPSS 18.0, diolah Penulis, 2013.
Dari hasil grafik Normal P-Plot Regression di atas dapat dilihat titik-titik menyebar jauh dari garis diagonal yang menunjukkan data tidak terdistribusi
dengan normal. Menurut Erlina 2008 ada beberapa cara mengubah model regresi
menjadi normal yaitu : a. lakukan transformasi data ke bentuk lainnya,
b. lakukan trimming, yaitu membuang data outlier, c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu
nilai tertentu.
Universitas Sumatera Utara
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural Ln. Setelah itu, data
diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov-Smirnov setelah dilakukan transformasi:
Tabel 4.4. Hasil Uji Normalitas 2 Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 24
Normal Parameters
a,b
Mean .0000000
Std. Deviation .30225133
Most Extreme Differences Absolute
.108 Positive
.088 Negative
-.108 Kolmogorov-Smirnov Z
.529 Asymp. Sig. 2-tailed
.942 a. Test distribution is Normal.
b. Calculated from data.
Sumber : SPSS 18.0, diolah Penulis, 2013.
Tabel 4.10 menunjukkan bahwa hasil pengujian statistik dengan model
Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi normal karena nilai Asymp.Sig 2-tailed Kolmogorov-Smirnov 0.945 lebih besar dari 0.05.
Hasil pengujian normalitas dengan histogram dan Normal P-Plot Regression Standardized Residual juga dapat dilihat pada gambar berikut:
Universitas Sumatera Utara
Gambar 4.3. Histogram Setelah Transformasi Sumber : SPSS 18.0, diolah Penulis, 2013.
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan
distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan.
Universitas Sumatera Utara
Gambar 4.4. Grafik Normal P-Plot Setelah Transformasi Sumber : SPSS 18.0, diolah Penulis, 2013.
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa
model regresi telah memenuhi asumsi normalitas.
4.3.2. Uji Multikolinieritas
