72
4.1.3.1. Uji Penyimpangan Asumsi Klasik
Agar model analisis regresi yang digunakan dalam penelitian ini secara teoritis menghasilkan nilai parametrik yang shahih, maka terlebih dahulu akan
dilakukan uji penyimpangan asumsi klasik. Uji penyimpangan asumsi klasik ini terdiri dari uji normalitas data, uji multikolinearitas, uji heteroskedastisitas, dan
uji linearitas. Adapun hasil perhitungan uji asumsi klasik dengan menggunakan software SPSS 12 didapatkan angka-angka sebagai berikut:
Tabel 4.9 Hasil Perhitungan Uji Asumsi Klasik
Model Coefficients
a
Table ANOVA Table.
Tollerance VIF F
Sig. Efisiensi Operasi
.474 2.109
3.904 .225
Risiko kredit .513
1.950 1.110
.487 CAR .859
1.164 -
- Dependent Vaiable : Efisiensi Intermediasi
Adapun untuk pembahasan lebih lengkap tentang hasil uji asumsi klasik akan dibahas dalam uraian sebagai berikut:
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau
tidak. Model regresi yang baik menggambarkan adanya data yang terdistribusi secara normal. Dalam penelitian ini hasil uji normalitas data dapat dilihat dalam
grafik Normal P-Plot berikut:
73
Gambar 4.1
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
Ex pect
ed C um Pr
ob
Dependent Variable: Efisiensi Intermediasi Normal P-P Plot of Regression Standardized Residual
Garis lurus yang melintang dari pojok kiri bawah ke kanan atas dan membentuk arah diagonal adalah garis acuan normalitas. Dari grafik tersebut
terlihat bahwa data yang diwakili dengan titik-titik tampak menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan
berdasarkan hasil pengujian normalitas dengan Normal P-Plot membuktikan bahwa model regresi memenuhi asumsi normalitas yang berarti data terdistribusi
secara normal. b.
Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada tidaknya
multikoleniaritas antara variabel bebas yang berada dalam satu model. Terjadinya multikoleniaritas artinya antar variabel bebas yang terdapat dalam satu model
memiliki hubungan yang sempurna sehingga terjadi korelasi. Hal ini mengakibatkan sulit diketahui variabel mana yang mempengaruhi.
74
Model regresi terindikasi terjadi multikoleniaritas apabila nilai nilai tolerance 0.10 atau Varian Inflation Factor VIF 10. Hasil uji
multikoleniaritas dengan SPSS. 12.00 dapat disajikan dalam tabel berikut ini: Dari tabel 4.9 diatas dapat dilihat bahwa nilai Tolerance untuk Efisiensi
Operasi sebesar 0.474, untuk Resiko Kredit sebesar 0.513, dan untuk CAR sebesar 0.859. sedangkan nilai VIF untuk Efisiensi Operasi sebesar 2.109, untuk
Resiko Kredit sebesar 1.950, dan untuk CAR sebesar 1.164. Dari ketiga variabel independen dalam penelitian ini, nilai tolerance nya 0.10 dan nilai VIF 10.
Berdasarkan hasil tersebut menunjukkan bahwa model regresi bebas dari multikolinearitas. Hal ini menunjukkan bahwa dalam model regresi tidak ada
korelasi yang sempurna diantara variabel-variabel bebasnya. c.
Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk mengetahui terjadinya
penyimpangan model karena varian residual yang tidak konstan pada regresi sehingga akurasi hasil prediksi menjadi meragukan. Penyebabnya adalah ketidak
samaan variasi variabel pada semua pengamatan dan kesalahan yang terjadi memperlihatkan hubungan yang sistematis dan tidak random acak. Dalam
penelitian ini hasil dari uji heteroskedastisitas dapat dilihat dalam grafik berikut ini:
75
Gambar 4.2
2 -2
-4
Regression Standardized Predicted Value
2
-2
Reg ress
ion Stud entized
Resid ual
Scatterplot Dependent Variable: Efisiensi Intermediasi
Suatu regresi dikatakan terdeteksi heteroskedastisitas apabila diagram pencar residual membentuk pola tertentu. Dari grafik scatter plot diatas terlihat pola titik
tidak membentuk pola tertentu dan menyebar diatas dan dibawah angka nol 0 pada sumbu Y. Karena itu dapat disimpulkan bahwa model regresi terbebas dari
heteroskedastisitas dan memenuhi persyaratan asumsi klasik tentang heteroskedastisitas.
d. Uji Linearitas
Uji linearitas ditujukan untuk mengetahui model regresi linear yang mensyaratkan adanya hubungan variabel bebas dan variabel terikat yang saling
membentuk kurva linear. Kurva linear dapat terbentuk apabila setiap kenaikan skor variabel bebas diikuti oleh kenaikan skor variabel terikat. Hasil uji linearitas
dapat dicermati melalui tabel Anova berikut ini: Tabel 4.9 diatas menggambarkan hubungan antara efisiensi intermediasi
dengan efisiensi operasi. Hubungan antara efisiensi intermediasi dengan efisiensi
76
operasi menghasilkan nilai F = 3.904 dengan nilai signifikansi 0.225. nilai signifikansi 0.05 menyatakan bahwa pada taraf kepercayaan 95 tidak terjadi
penyimpangan signifikan terhadap linearitas. Sedang untuk hubungan antara efisiensi intermediasi dengan risiko kredit menghasilkan nilai F = 1.110 dengan
nilai signifikansi 0.487 0.05. hal ini juga membuktikan bahwa pada taraf kepercayaan 95 tidak terjasi penyimpangan signifikan terhadap linearitas.
4.1.3.2. Analisis Regresi Linier Berganda
Kategori