Y
t
= Financial Sustainability Ratio FSR X1
t
= Pertumbuhan Return On Total Assets ∆ROA X2
t
= Pertumbuhan Capital Adequacy Ratio ∆CAR X3
t
= Pertumbuhan BOPO ∆BOPO X4
t
= Pertumbuhan Non Performing Loan ∆NPL X5
t
= Pertumbuhan Loan to Deposit Ratio ∆LDR X6
t
= Sensitivitas NIM terhadap Suku Bunga Bank Indonesia S_BI X7
t
= Sensitivitas NIM terhadap Kurs S_Kurs X8
t
= Sensitivitas NIM terhadap Inflasi S_Inflasi β
1
…..β
8
= Koefisien regresi e
it
= Tingkat kesalahan standard error Suatu penelitian harus memenuhi asumsi regresi linier klasik atau asumsi
klasik, yaitu memiliki distribusi yang normal maupun mendekati normal, tidak terjadi gejala multikolinearitas, heteroskedastisitas, dan autokorelasi sehingga
didapatkan hasil penelitian yang Best Linier Unbased Estimation BLUE.
3.7 Uji Asumsi Klasik
Pada penelitian ini juga akan dilakukan beberapa uji asumsi klasik yang meliputi:
3.7.1 Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang
baik adalah memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal ataukah tidak, maka dapat dilakukan
dengan analisis grafik dan uji statistik Ghozali, 2005. a.
Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun dengan hanya melihat grafik histogram,
hal ini dapat menyesatkan, khususnya untuk jumlah sampel kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan
dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas. 2.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. b.
Analisis Statistik Uji normalitas dengan grafik dapat menyesatkan karena secara visual
kelihatan normal namun secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik melalui Kolmogorov-Smirnov
test K-S. Uji K-S dilakukan dengan membuat hipotesis:
Ho = Data residual berdistribusi normal Ha = Data residual tidak berdistribusi normal
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: 1.
Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Ho ditolak, yang berarti data terdistribusi tidak normal.
2. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik
maka Ho diterima, yang berarti data terdistribusi normal.
3.7.2 Multikolinearitas
