Normal Parameters
a,b
Mean .0000000
Std. Deviation .06322159
Most Extreme Differences Absolute
.084 Positive
.084 Negative
-.084 Kolmogorov-Smirnov Z
.955 Asymp. Sig. 2-tailed
.322 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian, 2014 data diolah
Berdasarkan uji
Kolmogorov-Smirnov 1 sample K-S pada Tabel 4.2 menunjukkan besarnya nilai Asymp. Sig. 2-tailed adalah
0,322 berada di atas nilai signifikan 0,05 dan nilai
Kolmogorov-Smirnov Z sebesar 0,955 lebih kecil dari 1,97. Hal ini berarti data terdistribusi normal, sehingga dari uji ini menunjukkan
bahwa model regresi memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk melihat apakah dalam model regresi ditemukan adanya korelasi antara variabel independen satu dengan yang lainnya. Uji
ini dilakukan dengan melihat collinearity statisticsdan koefisien korelasi antara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinieritas dapat
dilakukan dengan melihat nilai tolerance variable dan Variance Inflation Factor VIF. Dengan ketentuan jika VIF 5 atau tolerance 0,1 maka tidak terjadi
multikolinieritas. Hasil pengujian statistik multikolinieritas tampak pada Tabel 4.3 berikut ini.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Multikolinieritas
Model Collinearity
Statistics Tolerance
VIF LN_DPK
.647 1.545
CAR .785 1.274
NPL .928 1.078
LDR .656 1.524
ROA .783 1.276
a. Dependent Variable: LN_KREDIT
Sumber: Hasil penelitian, 2014 data diolah
Berdasarkan dari hasil perhitungan nilai VIF, tidak satupun variabel independen yang memiliki lebih dari 5, karena nilai VIF tertinggi sebesar 1,545 dan nilai tolerance
seluruh variabel independen menunjukkan hasil lebih dari 0,1. Sehingga dapat disimpulkan bahwa pada model regresi tidak terjadi gejala multikolinieritas antar
variabel independen.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode sebelumnya. Dalam penelitian ini digunakan uji Durbin-Watson untuk menguji ada tidaknya masalah autokorelasi. Hasil uji autokorelasi tampak pada Tabel
4.4 berikut ini.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summaryb
Universitas Sumatera Utara
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .998 .996
.995 .06448
2.005
a. Predictors: Constant, ROA, NPL, CAR, LDR, LN_DPK b. Dependent Variable: LN_KREDIT
Sumber: Hasil penelitian, 2014 data diolah
Hasil uji autokorelasi pada Tabel 4.4menunjukkan nilai statistik Durbin Watson DW sebesar 2,005. Nilai tersebut akan dibandingkan dengan nilai tabel dengan
menggunakan signifikansi α = 5, jumlah sampel n = 130, dan jumlah variabel
independen k = 5, maka berdasarkan tabel Durbin Watson diperoleh nilai batas atas du sebesar 1,792. Dengan ketentuan kriteria du d 4 –du, maka hasil pengujian
diperoleh 1,792 2,005 2,208. Sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi positif atau negatif pada model regresi penelitian ini.
4.2.2.4 Uji Heteroskedastisitas
