yaitu 1,73154. Artinya variabel maturity tidak memiliki kesenjangan yang cukup besar selama periode penelitian
d. Likuiditas Tingkat likuiditas terendah dalam penelitian ini adalah sebesar
0,001123 dan tertinggi sebesar 2,358418. Tabel 5 menunjukkan rata-rata variabel likuditas sebesar 1,10289764. Standar deviasi masih di angka
yang rendah yaitu 0,522713293. Artinya variabel likuiditas tidak memiliki kesenjangan yang cukup besar selama periode penelitian.
e. Suku Bunga Sertifikat Bank Indonesia SBI Statistik deskriptif tabel 5 menunjukkan bahwa suku bunga SBI
terendah sebesar 6,48 sementara yang tertinggi sebesar 7,54. Untuk nilai rata-rata dan standar deviasi adalah 7,41529412 dan 0,346657068. Nilai
standar deviasi tersebut menunjukkan tidak ada kesenjangan yang cukup besar pada variabel suku bunga SBI dari tahun 2013-2014.
3. Hasil Pengujian Prasyarat Analisis
Uji asumsi klasik digunakan sebagai prasyarat analisis regresi berganda. Dalam uji asumsi klasik meliputi uji normalitas, uji multikolinearitas, uji
heteroskedastisitas, dan uji autokorelasi. Uji normalitas menggunakan metode Kolmogorov-Smirnov Uji K-S. Selain itu dilakukan uji autokorelasi
menggunakan Durbin Watson statistik, uji multikolinieritas dengan menggunakan Variance Inflation Factors VIF, dan uji heteroskedastisitas
dilakukan menggunakan uji glejser. Berikut ini hasil pengujian asumsi klasik dalam penelitian ini:
a.
Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi, residual memiliki distribusi normal. Untuk mengatahui nilai residual normal
atau tidak digunakan uji Kolmogorov-Smirnov untuk semua variabel. Uji K- S dilakukan dengan menyusun hipotesis:
H
o
: Data residual tidak berdistribusi normal H
a
: Data residual berdistribusi normal Pengujian normalitas melihat nilai signifikansi dari residual yang
terdistribusi secara normal, jika nilai Asymp Sig 2-tailed dalam uji One- Sample Kolmogorov-Smirnov Test lebih besar dari 0,05 Hasil uji statistik
non-parametrik One-Sample Kolmogorov-Smirnov Test dapat dilihat pada tabel di bawah ini:
Tabel 6. Hasil Pengujian Normalitas Unstandardized
Residual N
Normal Parameters
a,b
Most Extreme Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed
Mean Std. Deviation
Absolute Positive
Negative 34
0,0000000 1,46757359
0,117 0,117
-0,070 0,679
0,745 Sumber : Lampiran 8, halaman 82
Tabel 6 menunjukkan bahwa besarnya nilai Asymp.Sig 2-tailed adalah diatas 0,05 yaitu 0,745 sehingga data dapat dikatakan berdistribusi normal.
Hal ini berarti Hipotesis nol H
o
ditolak dan Hipotesis a H
a
diterima.
b.
Uji Multikoliniearitas
Uji multikolinearitas dilakukan bertujuan untuk mengetahui adanya korelasi antara variabel independen dalam suatu model regresi. Model
regresi yang baik adalah tidak adanya korelasi antara variabel. Pengukuran multikolinearitas dilakukan dengan melihat nilai tolerance
≤ 0,10 atau sama dengan nilai VIF
≥ 10. Hasil uji multikolinearitas dapat dilihat pada tabel berikut :
Tabel 7. Hasil Pengujian Multikoliniearitas
Variabel Collinearity Statistics
Kesimpulan Tolerance
VIF
Peringkat Obligasi Maturity
Likuiditas
SBI 0,889
0,948 0,905
0,938 1,125
1,055 1,105
1,066 Tidak terjadi multikolinieritas
Tidak terjadi multikolinieritas Tidak terjadi multikolinieritas
Tidak terjadi multikolinieritas Sumber : Lampiran 9, halaman 83
Tabel 7 menunjukkan bahwa tidak ada satupun variabel independen yang memiliki nilai Tolerance 0,10 dan VIF Variance Inflation Factor 10.
Hal ini dapat disimpulkan bahwa model regresi ini tidak terjadi gejala multikoliniearitas dan model regresi ini layak digunakan.
c.
Uji Autokorelasi
Pengujian autokorelasi dilakukan dengan tujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2011. Autokorelasi timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah tidak terjadinya autoklorelasi. Untuk mendeteksi
ada tidaknya autokorelasi dapat dilakukan dengan menggunakan uji Durbin- Watson DW-Test. Hasil uji autokorelasi dapat dilihat pada tabel berikut :
Tabel 8. Hasil Pengujian Autokorelasi du
Durbin-Watson 4-du
1,7277 2,191
2,2723 Sumber : Lampiran 10, halaman 84
Nilai Durbin-Watson sebesar 2,191, nilai ini akan dibandingkan dengan nilai yang berada pada tabel Durbin Watson dengan jumlah sampel 34 n
dan jumlah variabel independen 4 k=4 sehingga didapatkan nilai du sebesar 1,7277. Pengambilan keputusan dilakukan dengan ketentuan du
d 4 – du. Oleh karena nilai DW 2,191 lebih besar dari du 1,7277 dan
kurang dari 2,27234-du, yaitu 1,7277 2,191 2,2723 maka dapat disimpulkan bahwa tidak terdapat autokorelasi. Dapat disimpulkan bahwa
model regresi ini layak digunakan.
d.
Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan maksud untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari
residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, disebut homoskedastisitas. Akan
tetapi jika terdapat perbedaan maka disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas Ghozali, 2011.
Pengujian dilakukan dengan menggunakan uji glejser. Uji glejser yaitu meregresikan semua variabel independen dengan nilai absolute residual
sebagai variabel dependen. Tingkat kepercayaan sebesar 5 menjadi dasar penentuan ada tidaknya heteroskedastisitas. Jika nilai signifikansi lebih dari
5 maka tidak terjadi gejala heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat pada tabel berikut :
Sumber : Lampiran 11, halaman 85 Berdasarkan tabel 9 menunjukkan bahwa tidak ada satupun variabel
independen yang memiliki nilai signifikansi kurang dari 0,05 yang berarti tidak terjadi variabel independen yang secara signifikan mempengaruhi
Tabel 9. Hasil Pengujian Heteroskedastisitas Variabel
Sig. Kesimpulan
Peringkat Obligasi Maturity
Likuiditas SBI
0,531 0,055
0,685 0,520
Tidak terjadi heteroskedastisitas Tidak terjadi heteroskedastisitas
Tidak terjadi heteroskedastisitas Tidak terjadi heteroskedastisitas
variabel dependen nilai Absolute Residual ABS_RES. Jadi dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4. Hasil Analisis Regresi Linear Berganda
