BAB V : PENUTUP
1. Regresi Linier Berganda
Sebelum dilakukan regresi linier berganda maka harus melakukan uji asumsi klasik terlebih dahulu. Uji asumsi klasik merupakan persyaratan analisis regresi linier berganda yang bertujuan untuk memperoleh hasil yang valid. Dalam uji asumsi klasik meliputi uji normalitas, uji multikolonitas, uji heterokedastisitas, dan uji autokorelasi. Berikut pengujian untuk menentukan apakah keempat asumsi klasik terpenuhi atau tidak.
a) Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah nilai residual sudah terdistribusi normal atau tidak. Untuk mengetahui hal tersebut dapat dilakukan dengan cara uji Normal P Plot dan Kolmogorov-smirnov yang ada pada SPSS 25. Data dinyatakan berdistribusi normal apabila signifikansi > dari 5%.
43
Gambar 4.2 Grafik Normal P-Plot Sumber : Hasil SPSS 25 (2020)
Berdasarkan gambar 4.2 menunjukkan bahwa data yang mengikuti arah garis diagonal dan menyebar di sekitar garis diagonal artinya model regresi memenuhi asumsi normalitas. Maka artinya variabel dependen dan independen telah memenuhi uji asumsi normalitas.
Tabel 4.4 Uji Normalitas
Kolmogorov-Smirnov Sesudah di Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .0000000
Std. Deviation .79814046 Most Extreme Differences Absolute .120
Positive .111
Negative -.120
Test Statistic .120
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber : Hasil SPSS 25 (2020)
Berdasarkan tabel 4.4 menunjukkan bahwa hasil dari Kolmogorov-smirnov menunjukkan bahwa hasil dari Asymp.Sig.(2-Tailed) sebesar 0,200 > 0,05 yang artinya telah berdistribusi secara normalitas. Nilai sig > 0,05 maka dikatakan berdistribusi normal.
Jika nilai sig < 0,05 maka berdistribusi tidak normal. . b) Uji Multikolinearitas
Uji ini digunakan untuk mengetahui apakah ada atau tidaknya korelasi atau hubungan yang kuat antara dua variabel bebas atau lebih dalam sebuah model regresi berganda. Jika Nilai VIF nya < 10,00 dan jika nilai tolerance > 0,10 maka artinya tidak terjadi multikolinearitas dalam model regresi.
Tabel 4.5 Uji Multikolinearitas
Coefficientsa
Model
Unstandardized Coefficients
Standar dized Coeffici
ents
t Sig.
Correlations
Collinearity Statistics
B
Std.
Error Beta
Zero-order
Parti al Part
Toler ance VIF 1 (Const
ant)
.397 4.432 .090 .929
Ln_O ER
-.081 .967 -.011 -.084 .934 .187 -.016 -.011 .930 1.075
Ln_N OM
.732 .130 .749 5.63 9
.000 .746 .735 .722 .930 1.075
a. Dependent Variable: Ln_ROA
Sumber : Hasil SPSS 24 (2020)
Dari table 4.5 diatas menjelaskan bahwa nilai VIF pada OER dan NOM sebesar 1,075 < 10 dan nilai tolerance pada OER maupun
45
NOM sebesar 0,930 > 0,01 yang artinya tidak terjadi multikolinearitas.
c) Uji Autokorelasi
Uji autokorelasi bertujuan untuk memastikan ada atau tidaknya asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Untuk memastikan ada atau tidaknya autokorelasi dengan menggunakan uji Durbin Watson (DW) yaitu apabila:
1) Jika DW < 1.5666 maka autokorelasi bernilai positif dan sebaliknya jika DW > 2.4334 maka autokorelasi bernilai negative.
2) Jika DW berada diantara (1.5666 dan 2.4334) maka tidak terjadi autokorelasi.
Tabel 4.6 Uji Autokorelasi
Sumber : Hasil SPSS 25 (2020)
Berdasarkan tabel 4.6 bahwa hasil uji Durbin Watson sebesar 2,169 diantara (1.5666 dan 2.4334) dari hasil du = 1,5666 < d = 2,169
< 4-du = 2,4334 yang berarti tidak terdapat autokorelasi antara variabel bebas dan variabel terikat.
d) Uji Heteroskedastisitas
Uji ini digunakan untuk memastikan apakah adanya penyimpangan asumsi klasik, yaitu adanya ketidaksamaan varian dari residual untuk pengamatan pada model regresi. Model regresi yang baik apabila tidak terjadinya heteroskedastisitas dengan melihat grafik Scatter plot . Kriteria-kriteria dalam Scatter plot yaitu:
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .746a .557 .524 .82717 2.169
a. Predictors: (Constant), Ln_NOM, Ln_OER b. Dependent Variable: Ln_ROA
1) Jika terdapat titik-titik pola teratur yang bergelombang pada grafik Scatter plot, artinya terjadi heteroskedastisitas.
2) Jika tidak terdapat titik-titik pola diantara sumbu y dan angka 0 pada grafik Scatter plot, artinya tidak terjadi heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas Sumber : Hasil SPSS 25 (2020)
Berdasarkan gambar 4.3 menunjukkan bahwa hasil uji Scatter plot terjadi penyebaran titik-titik secara acak dan menyebar dengan baik tanpa membentuk suatu pola maka hal tersebut dikatakan tidak terjadi heteroskedastisitas.
Dalam menganalisis data digunakan analisis regresi linier berganda.
Regresi linier berganda bertujuan untuk memprediksi pertumbuhan nilai variabel terikat akibat pengaruh dari variabel bebas. Pegujian model regresi berganda ini digunakan untuk mengetahui pengaruh positif atau negative dari masing-masing variabel bebas Operational Efficiency Ratio dan Net Operating Margin terhadap variabel terikat Return On Assets, agar regresi
47
berganda dapat digunakan maka model analisa regresi linier berganda dalam penelitian ini sebagai berikut :
Hal yang dicari pada metode ini adalah seberapa besar pengaruh sebuah variabel pada variabel yang lain. Hubungan antar variabel tersebut dapat digambarkan dengan rumus seperti berikut:
Keterangan:
Y = Variabel dependen (Return On Assset)
X1 = Variabel independen (Operational Efficiency Ratio) X2 = Variabel independen (Net Operating Margin) a = konstanta yaitu (nilai Y bila X1, X2) = 0
β = koefisien regresi (nilai peningkatan ataupun penurunan) ε = tingkat kesalahan atau gangguan
Tabel 4.7
Uji Regresi Linier Berganda Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) .397 4.432 .090 .929
Ln_OER -.081 .967 -.011 -.084 .934
Ln_NOM .732 .130 .749 5.639 .000
a. Dependent Variable: Ln_ROA
Sumber : Hasil SPSS 25 (2020)
Berdasarkan hasil dari tabel 4.7 diatas, maka persamaan regresi linier berganda dapat diformulasikan sebagai berikut :
Y = 0,397 + -0,081𝑋1 + 0,732𝑋2 + ε Keterangan :
a) Nilai konstanta (a) sebesar 0,397. Dengan arah hubungan yang positif menunjukan bahwa apabila semua variabel independen yaitu Operational Efficiency Ratio dan Net Operating Margin
Y = a + β1X1 + β2X2 +ε
pada Bank Umum Syariah pada Otoritas Jasa Keuangan (OJK) tahun 2015-2019 tetap bernilai 0,397.
b) Nilai koefisien regresi pada variabel OER sebesar -0,081. Dengan arah hubungan yang negatif menunjukan bahwa apabila Operational Efficiency Ratio ditingkatkan 100% maka Return On Assets akan mengalami penurunan sebesar 0,081 atau sebesar -0,081%.
c) Nilai koefisien regresi pada variabel NOM sebesar 0,732, Dengan arah hubungan yang positif menunjukan bahwa apabila Net Operating Margin ditingkatkan 100% maka Return On Assets akan mengalami naik sebesar 0,732 atau sebesar 0,732%.
4. Uji Hipotesis