BAB III METODE PENELITIAN
3.10. Uji Asumsi Klasik
3.10.1. Uji Normalitas
Uji normalitas ini bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal atau tidak. Menurut suliyanto (2011:69) uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normat atau tidak. Model regresi yang baik adalah memiliki distribusi data normal.
Pengujian normalitas menggunakan analisis grafik yang dilakukan menggunakan histogram dengan menggambarkan variabel dependen sebagai sumbu vertikal sedangkan nilai residual terstandarisasi digambarkan sebagai sumbu horizontal. Cara lain untuk menguji normalitas dengan pendekatan garfik adalah menggunakan Normal Probability Plot, yaitu dengan
membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal.
Adapun kriteria pengujian sebagai berikut :
a.Jika Asym. Sig > 0,05 berarti seluruh data berdistribusi normal b. Jika Asym. Sig < 0,05berarti seluruh data berdistribusi tidak normal
3.10.2. Uji Heteroskedastisitas
Uji heteroskedastisitas berarti ada varian variabel pada model regresi yang tidak sama/konstan (Suliyanto 2011:95). Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedasitas. Metode yang dapat dipakai untuk mendeteksi gejala heterokedasitas antara lain: metode grafik, Uji Park Glajser, Uji Rank Spearman, dan Barlett.
3.10.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time-series) atau ruang (cross section). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Uji Durbin-Watson (Uji D-W) untuk menguji ada tidaknya masalah autokorelasi dari model empiris yang diestimasi (Suliyanto, 2011:125). Kriteria pengambilan kesimpulan dalam uji Durbin- Watson (DW) adalah sebagai berikut:
1. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada (4-dl), maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak diantara batas atas (du) dan batas bawah (dl) atau DW terletak antara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.
Dapat kita lihat kriteria nilai uji durbin-watson pada tabel 3.2 berikut:
Tabel 3.2
Kriteria Nilai Uji Durbin Watson
No Nilai DW Kesimpulan
1 1,65 ˂ DW ˂ 2,35 Tidak ada autokorelasi 2 1,21 ˂ DW ˂ 1,65 Tidak dapat disimpulkan 3 2,35 ˂ DW ˂ 2,79
4 DW ˂ 1,21 Terjadi autokorelasi 5 DW > 2,79
Sumber : Suliyanto (2011:309)
Rumus yang digunakan untuk uji D-W adalah
Keterangan: d = nilai D-W stat
e= nilai residual dari persamaan regresi pada periode i μ
Selain menggunakan Durbin-Watson, untuk mengetahui apakah autokorelasi ini terjadi dapat diginakan uji Runs Test. Penelitian ini menggunakan uji Runs Test, dimana apabila nilai Asymp. Sig. (2-tailed) > 0,05 maka hipotesis nol diterima, dan artinya residual tidak terkena autokorelasi.
3.10.4. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam metode regresi yang terbentuk ada korelasi yang tinggi atau sempurna di antara variabel bebas atau tidak. Pengujian terhadap multikolinieritas dapat dilakukan dengan: a. Tolerance dan Variance Inflation Factor (VIF)
Nilai VIF yang semakin besar menunjukan masalah multikolinier yang semakin serius. Tolerance mengukur variabilitas variabel bebas terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Bila nilai tolerance diatas 0,1 maka dikatakan tidak terjadi kolinearitas yang berarti. Adanya multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor (VIF). Batas tolerance value adalah 0,1dan batas VIF adalah 5.
a. Tolerance value < 0,1 atau VIF > 10 = terjadi multikolinearitas b. Tolerance value > 0,1 atau VIF < 10 = tidak terjadi multikolinearit
Menurut Ghozali (2001:95) gejala Multikolinearitas ini dapat dideteksi dengan beberapa cara antara lain :
1. Menghitung koefisien korelasi sederhana (simple correlation) antara sesama variabel bebas, jika terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0,8, hal tersebut menunjukkan terjadinya masalah multikolinearitas dalam regresi.
2. Menghitung nilai Toleransi atau VIF (Variance Inflation Factor), jika nilai Toleransi kurang dari 0,1 atau nilai VIF melebihi 10 maka hal tersebut menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antar variabel bebas.
3. Lakukan regresi antar variabel bebas dan menghitung masing-masing R2 , kemudian melakukan uji – F dan bandingkan dengan Ftabel (a;k-2,n-k+1). Jika nilai Fhit melebihi nilai Ftabel berarti dapat dinyatakan bahwa Xi kolinier dengan X yang lain. Apabila dalam penelitian terjadi multikolineritan, maka dapat diatasi dengan beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi.
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.
4. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
3.11. Uji Hipotesis
Pengujian hipotesis dapat dilakukan dengan koefisiean determinasi, secara serempak (Uji F) dan secara parsial (Uji t).
3.11.1. Uji F (Uji Serempak) Uji F (Uji Serempak)
Uji statistik F bertujuan untuk mengetahui pengaruh semua variabel bebas yang terdapat di dalam model secara serempak terhadap variabel terikat. Hipotesis ini dirumuskan sebagai berikut:
1. H0 : b1 = b2 = b3 = b4 = b5 = b6 = 0, Artinya secara serempak Biaya Operasional terhadap Pendapatan Operasional (BOPO), Non Performing Loan (NPL), Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Net Interest Margin (NIM), dan Bank Size berpengaruh tidak signifikan terhadap Return on Asset (ROA) pada Bank Badan Usaha Milik Negara (Persero) di Indonesia.
2. H1 : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ b6 ≠ 0, Artinya secara serempak Biaya Operasional terhadap Pendapatan Operasional (BOPO), Non Performing Loan (NPL), Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Net Interest Margin (NIM), dan Bank Size berpengaruh signifikan terhadap Return on Asset (ROA) pada Bank Badan Usaha Milik Negara (Persero) di Indonesia. Pada uji ini dilakukan uji satu sisi dengan tingkat signifikan (α) = 5% untuk mendapatkan nilai F tabel. Kriteria pengambilan keputusannya sebagai berikut: a. Jika Fhitung ≤ Ftabel atau nilai signifikan (α) ≥ 0.05, maka HO diterima. b. Jika Fhitung ≥ Ftabel atau nilai signifikan (α) ≤ 0.05, maka H1 diterima.
3.11.2. Uji t (Uji Persial)
Pengujian ini dilakukan untuk menguji pengaruh variabel independen terhadap variabel dependen dengan pengujian sebagai berikut:
1. H0 : bi = 0, Artinya secara parsial Biaya Operasional terhadap Pendapatan Operasional (BOPO), Non Performing Loan (NPL), Capital Adequacy
Ratio (CAR), Loan to Deposit Ratio (LDR), Net Interest Margin (NIM) dan Bank Size berpengaruh tidak signifikan terhadap Return on Asset (ROA) pada Bank Badan Usaha Milik Negara (persero) di Indonesia. 2. H₁ : bi≠ 0, Artinya secara parsial, Biaya Operasional terhadap Pendapatan
Operasional (BOPO), Non Performing Loan (NPL), Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Net Interest Margin (NIM) dan Bank Size berpengaruh signifikan terhadap Return on Asset (ROA) pada Bank Badan Usaha Milik Negara (persero) di Indonesia.
Selanjutnya pada penelitian ini nilai Fhitung akan dibandingkan dengan
ttabel pada tingkat signifikan (α)= 5%. Kriteria pengambilan keputusan pada uji-t ini adalah sebagai berikut:
a. Bila ttabel ≤ thitung ≤ ttabel, maka H0 diterima dan H1 ditolak b. Bila ttabel > thitung > ttabel , maka H1 diterima dan H0 ditolak.