55
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 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
Universitas Sumatera Utara
56
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
mengikuti arah garis diagonal, sebagaimana ditampilkan pada Gambar 4.2
berikut:
Gambar 4.2 Uji Normalitas
Universitas Sumatera Utara
57
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:
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
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 39
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 8.11714299
Most Extreme Differences Absolute
.156 Positive
.091 Negative
-.156 Kolmogorov-Smirnov Z
.974 Asymp. Sig. 2-tailed
.299 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
58 menunjukkan nilai lebih besar dari 0,05 yang mempunyai nilai signifikan 0,299
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:
Tabel 4.3 Hasil Perhitungan VIF
a. Dependent Variable: ROE
Berdasarkan tabel 4.3 diatas dapat dilihat bahwa angka tolerance dari masing- masing variabel yaitu NPL, LDR, dan NIM dengan nilai 0.943, 0.951, dan
0.988 yang kesemuanya lebih besar dari 0.10 dan nilai VIF 1.060, 1.052, 1.012 10 maka dapat disimpulkan tidak ada multikolinearitas antar variabel
independen tersebut.
Model Collinearity Statistics
Tolerance VIF
1 Constant
NPL .943
1.060 LDR
.951 1.052
NIM .988
1.012
Universitas Sumatera Utara
59
3. Uji Heteroskedastisitas Berikut ini hasil uji heteroskedastisitas menggunakan uji glejser
dapat ditunjukkan dalam tabel 4.4 sebagai berikut:
Tabel 4.4 Hasil Uji Heteroskedasitisitas
.Coefficients
a
a. Dependent Variable: ROE
Berdasar hasil yang ditunjukkan dalam tabel 4.4 tersebut nampak bahwa variabel bebas NPL menunjukkan hasil yang tidak signifikan, sehingga dapat
disimpulkan bahwa variabel NPL tersebut tidak terjadi heteroskedastisitas dalam varian kesalahan, dan variabel NPL yang digunakan tidak mempengaruhi
residualnya. Sedangkan variabel LDR dan variabel NIM nampak mengalami 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 :
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.152
10.522 -.014
.989 NPL
-4.562 1.052
-.507 -4.338
.000 LDR
.001 .112
.001 .008
.994 NIM
4.787 1.105
.495 4.334
.000
Universitas Sumatera Utara
60
Gambar 4.3
Uji Heteroskedasitisitas
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.
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 3 dan banyak data sejumlah 39 n = 39 . Adapun
hasil dari uji autokorelasi dapat dilihat pada tabel 4.5 sebagai berikut:
Tabel 4.5 Uji Autokorelasi
B
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .741
a
.549 .510
8.45787 1.810
a. Predictors: Constant, NIM, LDR, NPL b. Dependent Variable: ROE
Universitas Sumatera Utara
61
Berdasarkan tabel 4.5 menunjukkan hasil dari uji autokorelasi dengan menggunakan metode Durbin-Watson DW. Dalam tabel DW, nilai n adalah
39, nilai k adalah 3, berdasar tabel nilai DU adalah 1.6575, maka berdasar rumus DW=4-DU, nilai Durbin-Watson d sebesar 1.810 lebih besar dari
nilai batas atas du sebesar 1.6575 dan kurang dari nilai 4 –1.6334 4 – du sebesar 2.3425 yang berarti tidak terdapat autokorelasi positif maupun negatif
pada model regresi linear.
5. Analisis Regresi Berganda Analisis pengaruh NPL, LDR, dan NIM terhadap rentabilitas modal
sendiri ROE 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
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
Kategori