39
Dari data mentah tersebut dapat dilihat nilai maksimum, minimum, mean dan standar deviation dari masing-masing variabel penelitian pada tabel 4.1 sebagai
berikut :
Tabel 4.1 Perhitungan Nilai Maksimum, Minimum, Mean, dan Standar Deviasi
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation NPL
52 .21
6.26 2.1385
1.30116 LDR
52 44.24
95.07 76.9458
13.21093 ROA
52 -1.64
5.15 2.1535
1.42999 Valid N listwise
52
Berdasarkan hasil perhitungan pada tabel 4.1 tersebut dapat dilihat bahwa dari 52sampel bank, variabel ROA mempunyai nilai rata-rata mean sebesar 2.1535,
besarnya ROA sesuai dengan aturan BI yaitu ROA yang baik harus diatas 1,5. Rata-rata NPL sebesar 2.1385, besarnya NPL sesuai dengan aturan BI yaitu
NPL yang baik harus dibawah 5. Sedangkan rata-rata LDR sebesar 76.9458, besarnya LDR tidak sesuai dengan aturan BI yaitu LDR yang baik antara 80
sampai dengan 110.
4.3 Uji Asumsi Klasik
Uji asumsi klasik merupakan prasyarat analisis regresi berganda. Dari hasil perhitungan sampel rata-rata rasio keuangan selama tiga tahun, maka dalam
penelitian ini perlu dilakukan pengujian asumsi klasik terlebih dahulu yang
Universitas Sumatera Utara
40
meliputi: uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi yang dilakukan sebagai berikut:
1. Uji normalitas Pengujian apakah distribusi data normal atau tidak, salah satunya dengan
menggunakan analisis grafik.Cara yang paling sederhana adalah dengan melihat histogram, membandingkan antara data observasi dengan distribusi
yang mendekati distribusi normal sebagaimana Gambar 4.1.berikut:
Gambar 4.1 Grafik Histogram
Dengan melihat tampilan grafik histogram, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang mendekati normal.Namun
demikian dengan hanya melihat histogram, hal ini dapat memberikan hasil yang meragukan khususnya untuk jumlah sampel kecil. Metode yang handal
adalah dengan melihat normal probability plot, dimana pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya
Universitas Sumatera Utara
41
mengikuti arah garis diagonal, sebagaimana ditampilkan pada Gambar 4.2
berikut:
Gambar 4.2 Uji Normalitas
Jika dilihat berdasarkan grafik normal plot terlihat titik-titik menyebar tidak jauh dari garis diagonal.Hal ini menunjukkan bahwa grafik pola
distribusi normal, maka model regresi memenuhi asumsi normalitas. Dalam uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-
hati secara visual kelihatan normal, oleh karena itu untuk melengkapi uji grafik dilakukan juga uji statistik lain yang dapat digunakan untuk menguji
normalitas residual adalah uji statistik Kolmogrov-Smirnov K-S dapat dilihat pada tabel 4.2 sebagai berikut:
Universitas Sumatera Utara
42
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Berdasarkan Tabel 4.2 dapat diindikasikan bahwa data mempunyai distribusi normal, dimana berdasarkan nilai signifikansi Kolmogorov-Smirnov
menunjukkan nilai lebih besar 0,05 yang mempunyai nilai signifikan 0,180 maka dapat dinyatakan bahwa data mempunyai distribusi normal.
2. Uji Multikolinearitas
Dalam mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen pada model persamaan pertama digunakan variance inflation factor
VIF. Berdasar hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada tabel 4.3 sebagai
berikut:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.26993640
Most Extreme Differences Absolute
.152 Positive
.152 Negative
-.079 Kolmogorov-Smirnov Z
1.098 Asymp. Sig. 2-tailed
.180 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
43
Tabel 4.3 Hasil Perhitungan VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
NPL .929
1.077 LDR
.929 1.077
a. Dependent Variable: ROA
Berdasarkan tabel 4.3 diatas dapat dilihat bahwa angka tolerance dari masing- masing variabel yaitu NPL dan LDR dengan nilai 0.929 0.10 dan nilai VIF
1.077 10 maka dapat disimpulkan tidak ada multikolinearitas antar variabel independen tersebut.
3. Uji Heteroskedastisitas Berikut ini hasil uji heteroskedastisitas menggunakan uji glejser
dapat ditunjukkan dalam tabel 4.4 sebagai berikut:
Tabel 4.4 Hasil Uji
Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
1.045 .557
1.876 .067
NPL -.009
.075 -.017
-.115 .909
LDR .001
.007 .012
.084 .933
a. Dependent Variable: ABS_ut_RES1
Universitas Sumatera Utara
44
Berdasarkan tabel diatas terlihat bahwa nilai signifikansi variabel NPL adalah 0.909 0.05, demikian juga variabel LDR sebesar 0.933 0.05. maka
dapat disimpulkan tidak terjadi heteroskedastisitas. Untuk menentukan heteroskedastisitas juga dapat menggunakan grafik
scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hasil uji
heteroskedastisitas dapat dilihat melalui grafik Scatterplot, yang ditunjukkan pada gambar 4.3 dibawah ini :
Gambar 4.3
Uji Heteroskedastisitas
Dari grafik scatterplottersebut dapat dilihat bahwa penyebaran residual tidak teratur atau tidak membentuk pola. Hal tersebut dapat dilihat pada titik-
titik atau plot yang menyebar. Kesimpulan yang bisa diambil adalah bahwa tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
45
4. Uji Auto Korelasi
Penyimpangan autokorelasi dalam penelitian ini diuji dengan uji Durbin- Watson DW-test. Hasil regresi dengan level of signifikan 0.
05 α=0.05 dengan variabel independen sejumlah 2 dan banyak data sejumlah 52 n = 52 . Adapun
hasil dari uji autokorelasi dapat dilihat pada tabel 4.5 sebagai berikut:
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .460
a
.211 .179
1.29559 2.299
a. Predictors: Constant, LDR, NPL b. Dependent Variable: ROA
Berdasarkan tabel 4.5 menunjukkan hasil dari uji autokorelasi dengan menggunakan metode Durbin-Watson DW bahwa nilai Durbin-Watson d
sebesar 2.299 lebih besar dari nilai batas atas du sebesar 1.5969 dan kurang dari nilai 4 –1.6334 4 – du sebesar 2.3666yang berarti tidak terdapat
autokorelasi positif maupun negatif pada model regresi linear.
5. Analisis Regresi Berganda Analisis pengaruh rasio keuangan NPL dan LDR terhadap profitabilitas
perusahaan ROA pada perusahaan perbankan di Bursa Efek Indonesia BEI dapat dilihat dari hasil analisis regresi berganda. Pengujian koefisien regresi
bertujuan untuk menguji signifikansi hubungan antara variabel independen X dengan variabel dependen Y baik secara bersama-sama dengan uji F
Universitas Sumatera Utara
46
maupun secara individual dengan uji t serta dengan uji koefisien determinasi.Dalam penelitian ini uji hipotesis yang digunakan meliputi; uji
parsial t-test, uji pengaruh simultan F-test, uji koefisien determinasi R².
4.4 Uji Hipotesis