75
Tabel 4.5 Uji Multikolinearitas
Nilai Tolerance dan VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 LDR
.962 1.040
Total_Asset .938
1.066 Pend_Bunga
.967 1.034
BOPO .952
1.050 a. Dependent Variable: ROA
Sumber : Hasil output regresi Dari tabel 4.5 di atas menunjukkan suatu model regresi
dinyatakan bebas dari multikolinearitas adalah jika data mempunyai nilai tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10.
Dari tabel perhitungan di atas diperoleh hasil bahwa semua variabel bebas memiliki nilai tolerance lebih besar dari 0,10 dan nilai VIF
lebih kecil dari angka 10. Hasil regresi pada tabel tersebut sesuai dengan pendapat Ghozali,2011:105. Dengan demikian dalam model
ini tidak terdapat multikolinearitas.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Jika variance dari residual satu pengamatan
76
ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah
yang Homoskesdatisitas atau tidak terjadi Heteroskesdatisitas.
1 Uji Glejser
Uji glejser jika dilihat berdasarkan hasil SPSS, maka yang kita lihat adalah hasil sig dari output. Jika sig 5 maka H
tidak dapat ditolak, berarti tidak terjadi heteroskedastisitas. Dengan kata lain
jika sig 5 maka terjadi homokedastisitas. Dari hasil pengolahan data,maka diperoleh hasil informasi pada tabel 4.6 sebagai berikut :
Tabel 4.6 Uji Glejser
Nilai t-statistik dan sig.
Coefficients
a
Model T
Sig. 1
Constant .455
.651 LDR
.893 .376
Total_Asset .743
.461 Pend_Bunga
.537 .594
BOPO 1.238
.221 a. Dependent Variable: absRES2
Sumber : Hasil output regresi Berdasarkan hasil tabel diatas dari kelima variabel independent
LDR, Total Asset, Pendapatan Bunga, dan BOPO diperoleh hasil nilai Sig. 5. Karena nilai Sig. 5 maka dapat dikatakan
77
bahwa tidak terdapat heteroskedastisitas dan hasil uji dapat dilanjutkan.
3. Analisis Model Regresi Berganda
Berdasarkan output SPSS secara parsial pengaruh empat variabel independen yakni LDR, Total Asset, Pendapatan Bunga dan BOPO
terhadap variabel dependen yakni ROA ditunjukkan pada tabel 4.7 : Tabel 4.7
Hasil Regresi Nilai Coefficient, t dan sig.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .016
.005 3.024
.004 LDR
-.002 .007
-.025 -.342
.734 .962
1.040 Total_Asset
6.511E-11 .000
.724 9.719
.000 .938
1.066 Pend_Bunga
3.444E-11 .000
.171 2.334
.024 .967
1.034 BOPO
-.002 .000
-.317 -4.294
.000 .952
1.050 a. Dependent Variable: ROA
Sumber : Hasil output regresi Hubungan masing-masing variabel independen terhadap variabel
dependen dapat dirumuskan sebagai berikut :
ROA = 0,016 – 0,002 LDR + 6,511x10
11
Total Assets + 3,444x10
11
Pendapatan Bunga - 0,002 BOPO
78
Persamaannya dapat diuraikan sebagai berikut : a. Konstanta sebesar 0,016 menyatakan bahwa jika nilai LDR, Total
Asset, Pendapatan Bunga dan BOPO diasumsikan tetapkonstan, maka bank memiliki kenaikan tingkat profitabilitas ROA sebesar 0,016.
b. Koefisien regresi Total Asset adalah 6,511x10
11
menyatakan bahwa setiap kenaikan 1 Total Asset akan meningkatkan Return on Asset
ROA sebesar 651100000000 c. Koefisien regresi Pendapatan Bunga adalah 3,44x10
11
menyatakan bahwa setiap kenaikan 1 Pendapatan Bunga akan meningkatkan
Return On Asset ROA sebesar 344000000000 d. Koefisien regresi BOPO adalah -0,002 menyatakan bahwa setiap
kenaikan 1 BOPO akan menurunkan Return on Asset ROA sebesar 0,2.
Persamaan diatas akan diguakan untuk menjelaskan bagaimana variabel bebas terhadap variabel terikat secara bersamaan Uji F dan
bagaimana pengaruh variabel bebas terhadap variabel terikat secara parsial Uji t agar dapat menguji hipotesis yang dikemukakan penulis.
4. Koefisien Determinasi
Nilai Adjusted R Square dapat dilihat pada hasil output SPSS dalam tabel model summary. Hasil output koefisien determinasi adalah sebagai
berikut :
79
Tabel 4.8 Uji Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .857
a
.735 .714
.00662 1.310
a. Predictors: Constant, BOPO, Pend_Bunga, LDR, Total_Asset b. Dependent Variable: ROA
Sumber : Hasil output regresi Pada tabel 4.8 menunjukkan nilai Adjusted R Square dalam penelitian
ini adalah 0.714, yang berarti 71,4 variabel Return On Asset bisa dijelaskan oleh variabel independen LDR, Total Asset, Pendapatan
Bunga, dan BOPO, sedangkan sisanya 28,6 kemungkinan dijelaskan dengan faktor lain diluar model misalnya CAR, Kualitas Aktiva Produktif,
dan sebagainya.
5. Hasil Uji Hipotesis
Hasil uji hipotesis diperoleh dari hasil olah data dengan menggunakan program SPSS. Hasil pengujian hipotesis dilihat dari tingkat
signifikansinya. Pengujian hipotesis dilakukan dengan menggunakan uji F dan uji t. bentuk pengujiannya adalah:
a. Uji F
Nilai F-tabel didapat dari niali Degree of freedom df
1
= k – 1,
degree of freedom df
2
= n – k.
80
F-tabel = {
α ; df
1
= k – 1, df
2
= n – k}
= 5 ; df
1
= 5 – 1, df
2
= 56 – 5
= 0,050 ; df
1
= 4, df
2
= 51 = 2,553395
Tabel 4.9 Uji F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
.006 4
.002 35.303
.000
a
Residual .002
51 .000
Total .008
55 a. Predictors: Constant, BOPO, Pend_Bunga, LDR, Total_Asset
b. Dependent Variable: ROA
Sumber : Hasil output regresi Kriteria pengambilan keputusan :
Hipotesis ditolak jika F hitung ≤ F tabel pada α = 5
Hipotesis diterima jika F hitu ng F tabel pada α = 5
Dari hasil F hitung pada tabel ANOVA adalah 35,303 sedangkan nilai F tabel 2.553395, artinya variabel independen yang diteliti secara
simultan mempengaruhi variabel dependen. Hasil uji F menunjukkan bahwa nilai sig.F sebesar 0.000 lebih kecil dari tingkat signifikansi
α=5. Karena sig. f α maka disimpulkan bahwa model regresi dapat digunakan untuk mengestimasi variabel dependen. Hasil tersebut
menunjukan bahwa LDR, Total Asset, Pendapatan Bunga, dan BOPO berpengaruh secara simultan terhadap ROA.
