2. Uji Asumsi Klasik
Menurut pendapat Algifari 2003:83 mengatakan: “model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary least square
merupakan model regresi yang menghasilkan estimator linear yang bias yang terbaik Best linear Unbias EstimatorBLUE”. Kondisi ini akan
terjadi jika dipenuhi beberapa asumsi uji asumsi klasik. Diantaranya: a. Uji Multikolinearitas
Multikolinearitas berarti adanya hubungan linier yang kuat antar variabel bebas yang satu dengan yang lain dalam model regresi.
Model regresi yang
baik adalah tidak memiliki
korelasi linearhubungan yang kuat antara variabel bebasnya. Jika dalam
model regresi terdapat gejala Multikolinearitas, maka model regresi tersebut tidak dapat menaksir secara tepat sehingga diperoleh
kesimpulan yang salah tentang variabel yang diteliti. Pengujian
gejala Multikolinearitas
dengan cara
mengkorelasikan variabel bebas yang satu dengan variabel bebas yang lain dengan menggunakan program SPSS for Windows.
Imam Ghazali 2005 megukur Multikolinearitas dapat dilihat dari nilai tolerance dan Varian Inflation Factor FIV. Model regresi
dikatakan tidak
terdapat masalah
Multikolinearitas apabila
mempunyai angka tolerance diatas 0,10 dan mempunyai VIF dibawah angka 10.
53
b. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi variabel dependen, independen atau keduanya terdistribusi normal atau tidak. Model regresi yang baik adalah distribusi data
normal atau mendekati normal. Menurut Singgih Santoso 2004-142 ada beberapa cara
mendeteksi normalitas dengan melihat penyebaran data titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dalam uji
normalitas adalah: i. Jika data menyebar disekitar garis diagonal dan mengikuti garis
diagonal, maka model regresi memenuhi asumsi normalitas. ii. Jika data menyebar dari garis diagonal dan atau mengikuti arah
garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
c. Uji Autokorelasi Istilah autokorelasi autocorrelation menurut Maurice G.
Kendall dan William R. Buckland, A Dictionary of Statistical term :”Correlation between members’s of series of observation oedered in
time as in time series data or space as cross-section data”. Jadi
autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu seperti data time series atau menurut
urutan tempat seperti data cross section atau korelasi pada dirinya sendiri.
54
Autokorelasi dapat didefinisikan pula sebagai terjadinya korelasi diantara data pengamatan sebelumnya, dengan kata lain
bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Untuk mendeteksi terjadinya autokorelasi atau tidak dapat dilihat
melalui nilai Durbin Watson DW. Bila nilai DW terletak diantara dU d 4-dU maka dapat dikatakan tidak terjadi autokorelasi baik
positif maupun negatif atau jika nilai d mencapai sekitar 2, dimana dU adalah batas atas dan dL adalah batas bawah J. supranto, 1983.
Menurut Durbin Watson Statistics terdapat 5 lima kondisi autokorelasi:
1 0 d dL = ada autokorelasi positif
2 dL d dU = inconclusive ragu-ragu ada autokorelasi
positif 3 dU d 4-dU
= tidak terjadi autokorelasi positif maupun negatif.
4 4-dU d 4-dL = inconclusive ragu-ragu ada autokorelasi
negatif 5 4-dL d 4
= ada autokorelasi negatif. Selain itu menurut Singgih Santosa 2000:218 secara umum
angka D-W yang dapat dijadikan dalam pengambilan keputusan adalah:
1 Angka D-W dibawah -2 berarti ada autokorelasi positif.
55
2 Angka D-W diantara -2 sampai dengan 2 berarti tidak ada autokorelasi
3 Angka D-W diatas 2 berarti terdapat autokorelasi negatif. Jika ada masalah autokorelasi, maka model regresi yang
seharusnya signifikan dilihat angka F dan signifikannya, menjadi tidak layak untuk dipakai Uji F uji secara simultan.
d. Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk menguji terjadinya
perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Atau gambaran hubungan antara nilai yang
diprediksi dengan studentized delete residual nilai tersebut. Model regresi yang baik adalah model regresi yang memiliki nilai variance
constant setiap pengamatan suatu periode pengamatan dengan periode
pengamatan lain. Heteroskedastisitas menunjukkan bahwa variance variabel
tidak sama untuk semua pengamatan. Pada heteroskedastisitas kesalahan yang terjadi tidak secara acak tetapi hubungan yang
sistematis sesuai dengan besarnya satu atau lebih variabel. Jika Probibalitas = 0,05 berarti tidak terdapat Heteroskedastisitas,
Jika Probibalitas = 0,05 berarti terdapat Heteroskedastisitas.
56
e. Uji Signifikansi Uji signifikansi
keseluruhan variabel
secara serentak
ditunjukkan oleh bilangan F F-test, sedangkan uji signifikansi
terhadap kontribusi masing-masing variabel terikat ditunjukkan oleh besarnya bilangan t t-test.
a. Uji Serempak Uji F Uji F yaitu untuk menguji keberartian regresi secara
keseluruhan. Dipergunakan hipotesis sebagai berikut: Ho : b
1
, b
2
, b
3
= 0 variabel bebas independent secara simultan tidak berpengaruh terhadap jumlah kredit dan
SBI. Ho : b
1
, b
2
, b
3
0 variabel bebas independent secara simultan berpengaruh terhadap jumlah kredit dan SBI.
Pengujian dengan uji F variansnya adalah dengan membandingkan F hitung dengan F table Ft pada = 0,05
apabila hasil perhitungannya: a
Fh Ft, maka Ho ditolak dan Ha diterima Artinya variasi dari model regresi berhasil menerangkan
variasi variabel bebas secara keseluruhan, sejauh mana pengaruhnya terhadap variabel terikat.
b Fh Ft, maka Ho diterima dan Ha ditolak
57
Artimya variasi dari model regresi tidak berhasil menerangkan variasi variabel bebas secara keseluruhan,
sejauh mana pengaruhnya terhadap variabel terikat. b. Uji Parsial Uji t
Pengujian secara parsial melalui uji t, adapun rumus hipotesis dengan menggunakan uji t adalah sebagai berikut:
Ho : b
i
= 0, artinya semua variabel bebas secara parsial tidak berpengaruh terhadap jumlah kredit dan SBI.
Ho : b
i
0, tidak benar, artinya tidak semua variabel bebas secara parsial berpengaruh terhadap jumlah kredit dan
SBI. c. Koefisian Determinasi Adjusted R Square
Koefisien determinasi dilakukan untuk melihat seberapa besar variabel independen menjelaskan variabel dependen, karena
variabel independennya lebih dari dua.
58
E. Operasional Variabel Penelitian a. Endogen Variabel
Kategori