Pengujian Asumsi Klasik Hasil Analisis Kuantitatif

134 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expect ed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: ROA Gambar 4.4 Grafik Normalitas Grafik diatas mempertegas bahwa model regressi yang diperoleh berdisitribusi normal, dimana sebaran data berada disekitar garis diagonal. b Uji Asumsi Multikolinieritas Multikolinieritas berarti adanya hubungan yang kuat di antara beberapa atau semua variabel bebas pada model regresi. Jika terdapat Multikolinieritas maka koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar dan biasanya ditandai dengan nilai koefisien determinasi yang sangat besar tetapi pada pengujian parsial koefisien regresi, tidak ada ataupun kalau ada sangat sedikit sekali koefisien regresi yang signifikan. Pada penelitian ini digunakan nilai variance inflation factors VIF sebagai indikator ada tidaknya multikolinieritas diantara variabel bebas. 135 Tabel 4.5 Hasil Pengujian Asumsi Multikolinieritas Coe fficients a .990 1.010 .990 1.010 KAP NPL Model 1 Toleranc e VIF Collinearity Statis tics Dependent Variable: ROA a. Berdasarkan nilai VIF yang diperoleh seperti terlihat pada tabel 4.5 diatas menunjukkan adanya korelasi yang cukup kuat antara sesama variabel bebas, dimana nilai VIF dari kedua variabel bebas lebih besar dari 10 dan dapat disimpulkan terdapat multikolinieritas diantara kedua variabel bebas. c Uji Asumsi Heteroskedastisitas Heteroskedastisitas merupakan indikasi varian antar residual tidak homogen yang mengakibatkan nilai taksiran yang diperoleh tidak lagi efisien. Untuk menguji apakah varian dari residual homogen digunakan uji rank Spearman, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residualerror. Apabila koefisien korelasi dari masing-masing variabel independen ada yang signifikan pada tingkat kekeliruan 5, mengindikasikan adanya heteroskedastisitas. Pada tabel 4.6 berikut dapat dilihat nilai signifikansi masing-masing koefisien korelasi variabel bebas terhadap nilai absolut dari residualerror. 136 Tabel 4.6 Hasil Pengujian Asumsi Heteroskedastisitas Cor relations -.195 .362 24 .316 .133 24 Correlation Coef f ic ient Sig. 2-tailed N Correlation Coef f ic ient Sig. 2-tailed N KAP NPL Spearmans rho absolut_error Berdasarkan hasil korelasi yang diperoleh seperti dapat dilihat pada tabel 4.6 diatas memberikan suatu indikasi bahwa residual error yang muncul dari persamaan regresi mempunyai varians yang sama tidak terjadi heteroskedastisitas, dimana nilai signifikansi sig dari masing-masing koefisien korelasi kedua variabel bebas dengan nilai absolut error 0,362 dan 0,133 masih lebih besar dari 0,05. d Uji Asumsi Autokorelasi Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari observasi tahun berjalan dipengaruhi oleh error dari observasi tahun sebelumnya. Pada pengujian autokorelasi digunakan uji Durbin-Watson untuk mengetahui ada tidaknya autokorelasi pada model regressi dan berikut nilai Durbin-Watson yang diperoleh melalui hasil estimasi model regressi. 137 Tabel 4.7 Nilai Durbin-Watson Untuk Uji Autokorelasi Model Sum m ary b .644 a .415 .359 .40012 1.290 Model 1 R R Square A djusted R Square Std. Error of the Estimate Durbin- Wats on Predictors: Constant, NPL, KA P a. Dependent V ariable: ROA b. Berdasarkan hasil pengolahan diperoleh nilai statistik Durbin-Watson D- W = 1,290, sementara dari tabel d untuk jumlah variabel bebas = 2 dan jumlah pengamatan n = 24 diperoleh batas bawah nilai tabel d L = 1,188 dan batas atasnya d U = 1,546. Karena nilai Durbin-Watson model regressi 1,290 berada diantara d L 1,188 dan d U 1,546, yaitu daerah tidak ada keputusan maka belum dapat disimpulkan apakah terjadi autokorelasi pada model regressi. 4 Terdapat Autokorelasi Positif Terdapat Autokorelasi Negatif Tidak Terdapat Autokorelasi Tidak Ada Keputusan Tidak Ada Keputusan d L =1,188 d U =1,546 4-d U =2,454 4-d L =2,812 D-W =1,290 Gambar 4.5 Daerah Kriteria Pengujian Autokorelasi Untuk memastikan ada tidaknya autokorelasi maka pengujian dilanjutkan menggunakan runs test Gujarati,2003;465. Hasil pengujian menggunakan runs test dapat dilihat pada tabel 4.8 berikut ini. 138 Tabel 4.8 Hasil Runs Test Untuk Memastikan Ada Tidaknya Autokorelasi Runs Tes t .01050 12 12 24 12 -.209 .835 Test Value a Cases Test V alue Cases = Test V alue Total Cases Number of Runs Z A sy mp. Sig. 2-tailed Unstandardiz ed Residual Median a. Melalui hasil runs test pada tabel 4.8 dapat dilihat bahwa nilai signifikansi uji Z 0,835 masih lebih besar dari 0,05 yang mengindikasikan tidak terdapat autokkorelasi pada model regressi. Setelah keempat asumsi regressi diuji, selanjutnya dilakukan pengujian hipotesis, yaitu pengaruh kualitas aktiva produktif dan kredit bermasalah terhadap profitabilitas.

4.2.2.3 Analisis Regresi Linier Berganda

Analisis regresi berganda digunakan untuk menguji pengaruh variabel independen yaitu kualitas aktiva produktif dan kredit bermasalah terhadap profitabilitas. Estimasi model regresi linier berganda ini menggunakan software SPSS.15 dan diperoleh hasil output sebagai berikut : 139 Tabel 4.9 Hasil Analisis Regresi Linier Berganda Coe fficients a .321 .439 .731 .473 .009 .002 .631 3.763 .001 -.011 .023 -.080 -.479 .637 Cons tant KAP NPL Model 1 B Std. Error Unstandardiz ed Coef f icients Beta Standardized Coef f icients t Sig. Dependent Variable: ROA a. Dari tabel diatas dibentuk persamaan regresi linier sebagai berikut : Y= 0,321 + 0,009 X 1 - 0,011 X 2 Dimana : Y = Profitabilitas ROA X 1 = Kualitas aktiva produktif KAP X 2 = Kredit bermasalah NPL Koefisien yang terdapat pada persamaan diatas dapat dijelaskan sebagai berikut : 1. Konstanta sebesar 0,321 persen menunjukkan bahwa jika kualitas aktiva produktif dan kredit bermasalah sama dengan nol maka rata-rata profitabilitas pada PT Bank Negara Indonesia Persero Tbk adalah sebesar 0,321 persen. 2. Kualitas aktiva produktif memiliki koefisien bertanda positif sebesar 0,009 persen, artinya setiap peningkatan kualitas aktiva produktif sebesar 1 persen diprediksi akan meningkatkan profitabilitas sebesar 0,009 persen, dengan asumsi kredit bermasalah tidak berubah.

3. Kredit bermasalah memiliki koefisien bertanda negatfi sebesar 0,011 persen,

artinya setiap peningkatan kredit bermasalah sebesar 1 persen diprediksi akan menurunkan profitabilitas sebesar 0,011 persen dengan asumsi kualitas aktiva produktif tidak berubah. 140

4.2.2.4 Analisis Korelasi Parsial

Korelasi parsial digunakan untuk mengetahui kekuatan hubungan masing- masing variabel independen kualitas aktiva produktif dan kredit bermasalah dengan profitabilitas pada PT Bank Negara Indonesia Persero Tbk tahun 2004-2009. Melalui korelasi parsial akan dicari pengaruh masing-masing variabel independen terhadap profitabilitas ketika variabel independen lainnya dianggap konstan.Berikut perhitungan secara parsial yaitu sebagai berikut:

a. Korelasi Kualitas aktiva produktif Dengan Profitabilitas Ketika Kredit

bermasalahTidak Berubah Dengan perhitungan sebagai berikut: rx 1y = n∑X 1 Y - ∑X 1 × ∑Y √[n∑X 1 2 - ∑X 1 2 × n∑Y 2 - ∑Y 2 ] rx 1y = 6414.55697 10033.63301 rx 1y = 0,639