sebasar 10.63, dengan standar deviasi sebesar 8.039 dari nilai rata-rata. Variabel CIF_X7 dari jumlah observasi sebanyak 95 pengamatan yang memiliki nilai
minimum 3.75 dan nilai maksimum sebesar 20.15 dan mean sebesar 10.453, dengan standar deviasi sebesar 3.273 dari nilai rata-rata. Variabel ROA_Y dari
jumlah observasi sebanyak 95 pengamatan yang memiliki nilai minimum -0.52 dan nilai maksimum sebesar 5.05 dan mean sebasar 0.86, dengan standar deviasi
sebesar 1.161 dari nilai rata-rata.
5.1.2. Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi – asumsi klasik yang merupakan dasar dalam model regresi linier berganda. Hal ini dilakukan
sebelum pengujian hipotesis meliputi: 5.1.2.1. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Untuk
menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui analisis statistik uji One sample Kolmogorov Smirnov. Adapun hasil
pengujian terdapat pada Tabel 5.2 berikut:
Universitas Sumatera Utara
Tabel 5.2. Hasil Pengujian One Sample Kolmogorov Smirnov Test
Unstandardized Residual
N 90
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .00000000
Most Extreme Differences Absolute
.053 Positive
.053 Negative
-.034 Kolmogorov-Smirnov Z
.507 Asymp. Sig. 2-tailed
.959 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS Lampiran 6
Dari hasil pengujian tersebut terlihat pada Tabel 5.2 besarnya nilai Kolmogorov- Smirnov adalah 0.507 dan signifikansinya pada 0.959. Hal ini berarti
H 5.1.2.2. Uji multikolinieritas
ditolak yang berarti data residual terdistribusi normal.
Pengujian multikolinieritas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi multikolinieritas. Cara mendeteksinya adalah dengan melihat nilai Variance Inflation Factor VIF. Menurut Santoso 2002, pada umumnya jika
VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas lainnya. Hal tersebut tergambar pada Tabel
5.3 berikut:
Universitas Sumatera Utara
Tabel 5.3. Pengujian Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 NIM_X3
1.000 1.000
2 NIM_X3
.999 1.001
NPL_X4 .999
1.001 a. Dependent Variable: HS_Z
Dependent Variabel: HS _Y Sumber: Output SPSS Lampiran 6
Sedangkan variabel yang dikeluarkan dari model karena menggunakan metode stepwise regression dalam pengujian problem multikolinieritas sebagai
berikut:
Tabel 5.4. Pengujian Multikolinieritas
Excluded Variables
c
Model Collinearity Statistics
Tolerance VIF
Minimum Tolerance
1 CAR_X1
1.000 1.000
1.000 LDR_X2
.930 1.076
.930 NPL_X4
.999 1.001
.999 BOPO_X5
.910 1.098
.910 EFF_X6
.996 1.004
.996 CIF_X7
.997 1.003
.997 ROA_Y
.996 1.004
.996 2
CAR_X1 .984
1.016 .983
LDR_X2 .922
1.084 .922
BOPO_X5 .688
1.453 .688
EFF_X6 .996
1.004 .995
CIF_X7 .907
1.103 .907
ROA_Y .919
1.088 .919
a. Dependent Variable: HS_Z
Sumber: Output SPSS Lampiran 6.
Hasil tersebut menunjukkan masing–masing variabel nilai VIF dibawah 10, hal ini menunjukkan tidak terjadi problem multikolinieritas. Sedangkan hasil
perhitungan nilai tolerance juga menunjukkan tidak ada variabel independen yang
Universitas Sumatera Utara
nilainya kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen
yang nilainya lebih dari 95. Hal ini berarti tidak terjadi multikolinieritas.
5.1.2.3 Uji heteroskedastisitas Pengujian asumsi Heteroskedastisitas menyimpulkan bahwa model regresi
tidak terjadi heteroskedastisitas. Dengan kata lain terjadi kesamaan varian dari residual dari pengamatan satu kasus ke kasus pengamatan yang lain. Berdasarkan
Scatterplot model dapat diambil kesimpulan dimana penyebaran titik-titik yang menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan model ini tidak mengandung adanya heteroskedastisitas Adapun hasil
pengujian terdapat pada Gambar 5.1 berikut:
Sumber: Output SPSS Lampiran 8
Gambar 5.1. Hasil Uji Heteroskedastisitas dengan Scatterplot Model
Universitas Sumatera Utara
Uji Glesjer
Untuk melihat apakah dari model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain dapat dilakukan dengan Uji
Glesjer yang terdapat pada Tabel 5.5 berikut:
Tabel 5.5. Uji Glesjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
3,678.420 9,443.381
.390 .698
ln_CAR_X1 -3,737.205
2,011.888 -.953
-1.858 .068
ln_LDR_X2 2,275.937
7,555.756 .438
.301 .764
ln_NIM_X3 236.776
392.743 .173
.603 .549
ln_NPL_X4 663.041
409.312 .431
1.620 .110
ln_BOPO_X5 14,544.811
17,946.281 1.351
.810 .421
ln_EFF_X6 597.745
881.516 .220
.678 .500
ln_CIF_X7 -2,608.102
3,261.843 -.606
-.800 .427
ln_ROA_Y 38.585
254.302 .048
.152 .880
ZscoreCAR_X1 1,692.657
768.442 1.225
.203 .331
ZscoreLDR_X2 -974.899
1,970.236 -.722
-.495 .622
ZscoreNIM_X3 -83.925
446.215 -.063
-.188 .851
ZscoreNPL_X4 -840.197
726.119 -.601
-1.157 .251
ZscoreBOPO_X5 -2,244.520
2,815.648 -1.275
-.797 .428
ZscoreEFF_X6 29.911
800.051 .014
.037 .970
ZscoreCIF_X7 968.418
1,161.777 .675
.834 .408
ZscoreROA_Y -949.040
799.507 -.699
-1.187 .239
Moderator1 -280.843
362.864 -.181
-.774 .442
Moderator2 251.729
359.570 .167
.700 .486
Moderator3 153.301
325.089 .113
.472 .639
Moderator4 326.628
597.845 .264
.546 .587
Moderator5 15.521
463.750 .772
.449 .517
Moderator6 -395.932
427.783 -.223
-.926 .358
Moderator7 -66.461
376.233 -.047
-.177 .860
a. Dependent Variable: Abs1
Sumber: Output SPSS Lampiran 6
Universitas Sumatera Utara
Berdasarkan Tabel diatas tingkat signifikansi variabel independen terhadap Absolut Residualnya untuk keseluruhan variabel lebih besar dari alpha 5. Dengan
demikian tidak terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain atau dengan kata lain tidak terjadi gejala Heteroskedastisitas
varians dari residual Homoskedastisitas. 5.1.2.4. Uji autokorelasi
Gejala Autokorelasi dideteksi dengan menggunakan uji Durbin-Watson DW. Menurut Ghozali, 2001, untuk mendeteksi ada tidaknya autokorelasi maka
dilakukan pengujian Durbin-Watson DW. Nilai d tersebut selanjutnya dibandingkan dw
t
dengan nilai dw
h
Tabel 5.6. Nilai Durbin-Watson
dengan tingkat signifikansi 5 dengan df = n-k-1. Dari hasil pengujian terlihat bahwa nilai DW sebesar 1,872, berarti data tidak terkena
autokorelasi.
Model Summary
d
Model Change Statistics
R Square Change
F Change df1
df2 Sig. F Change
Durbin-Watson
1 .312
42.153 1
93 .000
2 .123
20.108 1
92 .000
3 .026
4.335 1
91 .040
1.872 a. Dependent Variable: HS_Z
Sumber: Output SPSS Lampiran 6.
Berdasarkan Tabel 5.6 diatas, untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria dari Tabel Durbin-Watson terlihat
Nilai DW sebesar 1.872 dimana dari tabel DW nilai d
L
= 1.693 dan d
U
=1.774 dan nilai 4-d
L
dan 4-d
U
2.307 dan 2.226. Dengan demikian dapat disimpulkan bahwa
Universitas Sumatera Utara
nilai d
U
DW 4-d
U
5.1.3. Uji Hipotesis
