BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3 Analisis Data
4.3.1 Uji Asumsi Klasik
4.3.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel dependen
berdistribusi normal, yaitu menggunakan uji statistik Kolmogorov-Smirnov (K-S).
Apabila nilai signifikannya < 0,05, maka H0 ditolak, sedangkan
apabila nilai signifikannya > 0,05, maka H0 diterima.
Tabel 4.3 Kolmogorof-Smirnov Test
Hasil dari analisis Kolmogorov-Smirnov, menunjukkan bahwa nilai
signifikannya > 0,05 yaitu 0.09, maka data tersebut terdistribusi secara
normal. Untuk lebih jelasnya, dapat dilihat juga dengan menggunakan
analisis normal probability plot dan grafik histogram berikut:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parametersa Mean .0000000
Std. Deviation .69378702
Most Extreme Differences Absolute .205
Positive .205
Negative -.085
Kolmogorov-Smirnov Z 1.636
Asymp. Sig. (2-tailed) .009
a. Test distribution is Normal. Sumber : Output SPSS 16
58 Gambar 4.1 Normal P-Plot
Sumber: Output SPSS 16, data diolah
PP plot akan membentuk plot antara nilai-nilai sumbu X melawan
nilai-nilai yang ada pada sumbu Y. Apabila plot dari keduanya berbentuk
linier (dapat didekati oleh garis lurus), hal ini berarti variabel residual
berdistribusi normal. Namun, jika data menyebar jauh dari garis diagonal
atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa
data tidak berdistribusi normal. Pada Gambar 4.3 menunjukkan bahwa
titik-titik pada scatter plot mengikuti data di sepanjang garis diagonal. Hal
59 Gambar 4.2 Grafik Histogram
Sumber: Output SPSS 16, data diolah
Pada Gambar 4.2 terlihat bahwa grafik histogram berdistribusi normal
yang ditunjukan oleh data tersebut tidak miring ke kiri atau miring ke
kanan.
4.3.1.2 Uji Autokorelasi
Pengujian autokorelasi ini dimaksudkan untuk mengetahui apakah
terjadi korelasi di antara data pengamatan atau tidak. Ada tidaknya
autokorelasi dalam penelitian ini dideteksi dengan menggunakan uji
Durbin-Watson. Tahapan yang harus dilakukan untuk dapat menghasilkan harga koefisien Durbin-Watson dengan menggunakan SPSS 16 yaitu sebagai berikut:
60 Tabel 4.4 Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .797a .635 .611 .71692 1.791
a. Predictors: (Constant), BOPO, CAR, NPL, LDR b. Dependent Variable: ROA
Sumber: Output Spss 16, data diolah
Uji autokorelasi bertujuan untuk menguji apakah pada suatu model
regresi linier ada korelasi antar kesalahan pengganggu pada periode satu
dengan periode sebelumnya. Cara mendeteksinya melalui uji Durbin
Watson dengan ketentuan :
1) Angka DW berada dibawah -2, berarti ada autokorelasi positif.
2) Angka DW diantara -2 sampai +2, berarti tidak ada autokorelasi.
3) Angka DW berada diatas +2, berarti ada autokorelasi.
Pada hasil pengujian diatas terlihat bahwa angka DW sebesar +1.791
atau -2<1,791<+2, karena angka DW berada diantara -2 dan +2 maka
tidak terdapat autokorelasi.
4.3.1.3 Uji Heterokedasitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan (varians) antara satu pengamatan ke
61 Gambar 4.3 Uji Heterokedasitas
Sumber : Output SPSS 16, data di olah
Berdasarkan scatterplot diatas terlihat bahwa titik-titik ada yang menyebar secara acak, tidak membentuk suatu pola tertentu atau tidak
teratur serta titik-titik tersebut juga menyebar di atas dan dibawah angka 0
pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas.
Pendekatan statistik yang digunakan untuk melihat apakah terjadi
heteroskedastisitas atau tidak adalah dengan menggunakan uji glejser.
62 Tabel 4.5 Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .840 .562 1.495 .140 CAR .058 .017 .399 3.425 .001 NPL .061 .052 .149 1.173 .245 LDR .002 .004 .064 .491 .625 BOPO -.018 .007 -.349 -2.707 .009
a. Dependent Variable: absut
Sumber : Output SPSS 16, Data diolah
Tabel 4.5 menunjukan variabel Return On Asset (ROA) adalah signifikan secara statistik mempengaruhi variabel dependen absolut Ut
(absUt). Sedangkan variabel Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Loan to Deposit Ratio (LDR) tidak berpengaruh signifikan terhadap variabel dependen. Hal ini terlihat dari probabilitas
signifikannya di atas tingkat kepercayaan α (sig>0,05). 4.3.1.4 Uji Multikolineritas
Uji multikolinearitas ini dimaksudkan untuk membuktikan atau
menguji ada tidaknya hubungan yang linier antara variabel bebas
(independen) satu dengan variabel bebas (independen) yang lainnya.
Salah satu cara untuk mendeteksi ada tidaknya masalah multikolinieritas
adalah dengan melihat Variance Inflation Factor (VIF) dan nilai
63
maka disimpulkan tidak terdapat multikolinieritas dalam model regresi,
begitu juga sebaliknya Bila nilai VIF lebih besar dari 5 dan nilai toleransi
kurang dari 0,10 maka disimpulkan terdapat multikolinieritas dalam
model regresi. Hasil uji multikolinieritas disajikan dalam Tabel 4.11
berikut ini: Tabel 4.6 Ujimultikolineritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 9.366 1.038 9.023 .000
CAR .067 .031 .176 2.149 .036 .926 1.080
NPL -.046 .096 -.042 -.475 .637 .784 1.275
LDR .011 .008 .136 1.489 .142 .743 1.346
BOPO -.109 .012 -.795 -8.813 .000 .760 1.317
a. Dependent Variable: ROA
Sumber : Output SPSS 16, data di olah
Pada Tabel 4.6 terlihat bahwa dari masing-masing variabel
independen adalah :
tolerance value > 0,1
VIF < 5 dari masing-masing variabel independen
64
4.3.2 Analisis Regresi
Regresi Linear berganda ditujukan untuk menentukan hubungan linear antar beberapa variabel bebas (X) dengan variabel terikat (Y). Model persamaan regresi ini yaitu:
Tabel 4.7 Analisis Regresi
Sumber : Output SPSS 16, data di olah
Berdasarkan tabel diatas dapat dibentuk persamaan regresi:
Y = 9,366 + 0,067X1 + (-0,046) X2+ 0,011 X3 + (-0,109) X4
Keterangan :
1) Konstanta sebesar 9,366; artinya jika CAR (X1), NPL (X2), LDR (X3),
BOPO (X4) adalah 0, maka ROA (Y) yang terjadi adalah sebesar 9,366.
2) Koefisien regresi variabel CAR (X1) sebesar 0,067; artinya jika variabel
independen lain nilainya tetap dan CAR mengalami kenaikan sebesar
1%, maka Return On Asset akan bertambah sebesar 0,067. Koefisien
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 9.366 1.038 9.023 .000 CAR .067 .031 .176 2.149 .036 NPL -.046 .096 -.042 -.475 .637 LDR .011 .008 .136 1.489 .142 BOPO -.109 .012 -.795 -8.813 .000
65
bernilai positif artinya terjadi hubungan positif antara CAR terhadap
ROA.
3) Koefisien regresi variabel NPL (X2) sebesar -0,046; artinya jika variabel
independen lain nilainya tetap dan PPJ mengalami kenaikan sebesar 1%,
maka ROA akan berkurang sebesar -0,046. Koefisien bernilai negatif
artinya terjadi hubungan negatif antara NPL terhadap ROA.
4) Koefisien regresi variabel LDR (X3) sebesar 0,011; artinya jika variabel
independen lain nilainya tetap dan LDR mengalami kenaikan sebesar
1%, maka ROA akan bertambah sebesar 0,011. Koefisien bernilai positif
artinya terjadi hubungan positif antara LDR terhadap ROA.
5) Koefisien regresi variabel BOPO (X4) sebesar -0,109; artinya jika
variabel independen lain nilainya tetap dan BOPO mengalami kenaikan
sebesar 1%, maka ROA akan berkurang sebesar -0,109. Koefisien
bernilai negatif artinya terjadi hubungan negatif antara BOPO terhadap
ROA.
4.3.3 Koefisien Determinasi
Model persamaan determinasi ini yaitu:
Tabel 4.8 Koefisien Determinasi
Sumber : Output SPSS 16, data di olah
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .797a .635 .611 .71692
a. Predictors: (Constant), BOPO, CAR, NPL, LDR b. Dependent Variable: ROA
66
Hasil uji determinan pada Tabel 4.8 memperlihatkan bahwa:
a. Nilai R = 0.797 yang berarti hubungan antara variabel Capital Adequacy Ratio (CAR), Net Performing Loan (NPL), Loan to Deposite Ratio
(LDR), dan Beban Operasional Terhadap Pendapatan Operasional
(BOPO)terhadap Return On Asset (ROA) adalah sebesar 79,7%. Artinya hubungan tersebut erat.
b. Adjusted R Square sebesar 0.611 yang berarti 61,10% faktor-faktor dari ROA dapat dijelaskan oleh variabel Capital Adequacy Ratio (CAR), Net Performing Loan (NPL), Loan to Deposite Ratio (LDR), dan Beban Operasional Terhadap Pendapatan Operasional (BOPO) terhadap Return On Asset (ROA) sedangkan selebihnya sebesar 39.90% dijelaskan oleh faktor lain yang tidak diteliti di dalam penelitian ini.
c. Standard Error of Estimate atau standar deviasi digunakan untuk mengukur nilai variasi dari nilai yang diprediksi. Standar deviasi dalam
penelitian adalah sebesar 0,71692.
4.4 Pengujian Hipotesis Penelitian
