commit to user 42
Tabel IV. 4 Hasil Uji One-Sample Kolmogorov-Smirnov Test
CAR NPL
ROA ROE
BOPO NIM
LDR N
21 21
21 21
21 21
21 Normal
Parametersa,b Mean
.1762 .0371
.0005 .1176
.8114 .0814
.6533 Std.
Deviation .05191 .02283
.08393 .17317 .21523 .12220 .17554
Most Extreme Differences
Absolute .146
.194 .356
.199 .219
.409 .165
Positive .146
.194 .319
.099 .119
.409 .109
Negative -.101
-.117 -.356
-.199 -.219
-.320 -.165
Kolmogorov-Smirnov Z .670
.890 1.631
.910 1.006
1.876 .758
Asymp. Sig. 2-tailed .761
.407 .010
.379 .264
.002 .613
a Test distribution is Normal. b Calculated from data.
Dari tabel di atas tampak bahwa variabel CAR, NPL, ROE, BOPO, dan LDR terdistribusi normal 0,05, sedangkan variable ROA dan NIM terdistribusi
tidak normal 0,05.
D. UJI ASUMSI KLASIK
1. Uji Multikolinearitas
Pengujian multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas
independen. Uji ini dilakukan dengan melihat
tolerance value
dan
variance inflation factor
VIF dari hasil analisis dengan menggunakan SPSS. Apabila
tolerance value
lebih besar dari 0,10 atau VIF lebih kecil
commit to user 43
dari 10 maka dapat disimpulkan antar variabel bebas tidak terjadi multikoliniearitas. Berikut ini adalah hasil uji multikoliniearitas yang telah
dilakukan.
Tabel IV. 5 Hasil Uji Multikoliniearitas
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1 Constant
CAR .418
2.394 NPL
.603 1.658
ROA .295
3.392 ROE
.233 4.299
BOPO .354
2.823 NIM
.647 1.545
LDR .612
1.633 a Dependent Variable: Laba_Rugi
Pada tabel di atas dapat diketahui
tolerance value
masing-masing variabel bebas lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10. Dari hasil
tersebut dapat disimpulkan bahwa antar variabel independen tidak terjadi multikoliniearitas.
2. Uji Autokorelasi
Untuk mendeteksi adanya gejala autokorelasi digunakan Uji Durbin Watson DW. Jika -2
≤ DW ≤ 2 maka tidak ada autokorelasi Sukestiyarno, 2006 : 10. Berikut ini hasil pengujian autokorelasi yang
telah dilakukan.
commit to user 44
Tabel IV. 6 Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .860a
.740 .600
1145310.801 1.623
a Predictors: Constant, LDR, ROE, NIM, CAR, NPL, BOPO, ROA b Dependent Variable: Laba_Rugi
Berdasarkan output SPSS di atas nilai Durbin Watson menunjukkan angka sebesar 1,623. Nilai ini berada di antara -2 dan 2, hal ini menujukkan tidak
adanya autokorelasi.
3. Uji Heterokedatisitas
Pengujian heterokedatisitas dapat dilihat dari scatterplot diagram yang tersaji dalam output SPSS. Berikut ini hasil uji heterokedatisitas yang
telah dilakukan.
commit to user 45
Grafik IV. 1 Hasil Uji Heterokedatisitas
-2 -1
1 2
3
Regression Standardized Residual
1 2
3 4
5 6
7
Frequ en cy
Mean = -1.28E-16 Std. Dev. = 0.806
N = 21
Dependent Variable: Laba_Rugi Histogram
-3 -2
-1 1
2 3
Regression Standardized Predicted Value
-2 -1
1 2
3
Regr ession Stud entiz ed R esidu al
Dependent Variable: Laba_Rugi Scatterplot
commit to user 46
Dari grafik scatterplot di atas tampak bahwa titik-titik data menyebar secara acak, tidak berkumpul di bawah saja atau hanya di atas saja.
Sedangkan dalam histogram diagram batang tidak melengkung membentuk kurva. Hal ini menunjukkan bahwa tidak terjadi
multikolinearitas.
E. UJI HIPOTESIS
