Dengan melihat tampilan grafik scatterplot dapat disimpulkan titik-titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y jika
dibandingkan dengan grafik scatterplot sebelum dilakukan transformasi ke logaritma natural. Dengan demikian, dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi. Uji asumsi klasik selanjutnya menggunakan persamaan regresi ln ROA = f ln CAR, ln LDR, ln BOPO, ln
NPL.
4.2.2.3 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antarvariabel independen. Jika ditemukan, maka
dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi adanya
multikolinearitas dapat dilihat pada besarnya nilaitolerance dan variance inflation factor VIF, jika nilai VIF 5 dan nilai tolerance 0.1maka tidak terdapat
masalah multikolinearitas Situmorang dan Lufti, 2012 : 140.
Universitas Sumatera Utara
Tabel 4.10 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-4.528 .337
-13.420 .000
Ln_CAR .300
.143 .121
2.104 .039
.978 1.022
Ln_LDR .354
.167 .122
2.113 .038
.964 1.038
Ln_BOPO -3.997
.267 -.860 -14.979
.000 .975
1.026 Ln_NPL
.001 .045
.002 .029
.977 .950
1.052 a. Dependent Variable: Ln_ROA
Sumber: Hasil Olahan SPSS 2013
Pada Tabel 4.10 menunjukkan nilai VIF 5 dan nilai tolerance 0.1 yang berarti bahwa tidak terjadi multikolinearitas.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu residual pada periode t dengan
kesalahan pada periode t-1 periode sebelumnya.Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan
menggunakan metode Uji Durbin Watson.
Universitas Sumatera Utara
Tabel 4.11 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .886
a
.785 .772
.2542053 2.088
a. Predictors: Constant, Ln_NPL, Ln_CAR, Ln_BOPO, Ln_LDR b. Dependent Variable: Ln_ROA
Sumber: Hasil Olahan SPSS 2013
Berdasarkan hasil pengolahan SPSS, diperoleh nilai Durbin Watson DW sebesar 2.088. Nilai d dibandingkan dengan nilai du dan 4-du pada n=72
dan k=4. Maka di Tabel Durbin Watson didapat nilai du sebesar 1.7366 dan 4-du sebesar 2.2634. Pengambilan keputusannya adalah dU 1.7366
˂ d 2.088 ˂ 4 ̶ dU 2.2634, artinya tidak ada autokorelasi positif atau negatif. Dengan demikian,
tidak terdapat adanya autokorelasi pada model regresi.
4.2.3 Analisis Regresi Linear Berganda
