Perkembangan BI Rate Deskripsi Objek Penelitian
Interpretasi: Dari output di atas, dapat disimpulkan bahwa residual dari
model berdistribusi normal. Hal ini terlihat dari bentuk histogram, nilai skewness, nilai kurtosis, maupun berdasarkan
Uji Jarque-Bera p-value = 0,870540 α = 0,05.
2 Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui ada tidakny hubungan korelasi yang signifikan di antara dua atau
lebih variabel independen dalam model regresi. Deteksi adanya multikolinieritas dilakukan dengan menggunakan uji korelasi
parsial antar variabel independen, kemudian dapat diputuskan apakah data terkena multikolinieritas atau tidak, yaitu dengan
menguji koefisien korelasi antar variabel independen. Suatu model regresi yang baik adalah tidak terjadi multikolinieritas
antar variabel independen dengan variabel dependen Gujarati, 2007:67. Setelah diolah menggunakan aplikasi Eviews 7.0 maka
terlihat hasil sebagai berikut.
1 2
3 4
5 6
7 8
-1999998 -999998
3 1000003
2000003
Series: Residuals Sample 2013M01 2015M12
Observations 36 Mean
-2.58e-08 Median
-54066.81 Maximum
1928880. Minimum
-1863609. Std. Dev.
917865.7 Skewness
-0.041516 Kurtosis
2.578145 Jarque-Bera
0.277283 Probability
0.870540
Tabel 1. Hasil Uji Correlation Matrix pada Bank BPD Syariah DIY
Variable Coefficient
Variance Uncentered
VIF Centered
VIF C
LOGKURS INFLASI
BIRATE 1.01E+14
1.35E+12 3.03E+09
3.13E+10 16113.24
18968.79 21.85439
254.9780 NA
2.137324 1.068628
2.229139
Berdasarkan tabel 3 diatas dapat terlihat Sebagai acuan praktis, suatu prediktor dikatakan memiliki kolinearitas yang
tinggi dengan prediktor yang lain jika memiliki VIF di atas 10. Dengan
demikian, model
tersebut sudah
bebas dari
multikolinearitas.
Tabel 2.Hasil Uji Correlation Matrix pada Bank Muamalat Indonesia
Variable Coefficient
Variance Uncentered
VIF Centered
VIF C
LOGKURS INFLASI
BIRATE 4.12E+14
5.52E+12 1.24E+10
1.28E+11 16113.24
18968.79 21.85439
254.9780 NA
2.137324 1.068628
2.229139
Berdasarkan tabel 4 diatas dapat terlihat bahwa pengujian multikolinearitas dengan menggunakan correlation matrix, Sebagai
acuan praktis, suatu prediktor dikatakan memiliki kolinearitas yang tinggi dengan prediktor yang lain jika memiliki VIF di atas 10.
Dengan demikian,
model tersebut
sudah bebas
dari multikolinearitas.
3 Uji Heteroskedastisitas
Uji Heteroskedastisitas ini dilakukan 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 yang lain tetap, maka
disebut Homoskedastisitas dan jika varian tidak konstan atau berubah-ubah disebut dengan Heteroskedastisitas. Model regresi
yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Gujarati, 2007:82 Untuk mengetahui ada
tidaknya Heteroskedastisitas dapat dilihat pada tabel dibawah ini.
Tabel 3. Hasil Uji White Heteroskedasticity-Test pada Bank BPD Syariah DIY
Heteroskedasticity Test: White F-Statistic
ObsR-squared Scaled explained SS
0.996085 9.230195
3.451690 Prob. F9,26
Prob. Chi-Square9 Prob. Chi-Square9
0.4672 0.4163
0.9437
Interpretasi : Dari tabel 5 diatas dapat diketahui bahwa nilai ObsR-
Squared sebesar 9.230195 dengan probabilitas X
2
0,05 0.4163 0,05 sehingga dapat dinyatakan bahwa dalam model tidak terdapat
heterokedastisitas.
Tabel 4. Hasil Uji White Heteroskedasticity-Test pada Bank Muamalat Indonesia
Heteroskedasticity Test: White F-statistic
ObsR-squared Scaled explained SS
3.358914 19.35415
12.06663 Prob. F9,26
Prob. Chi-Square9 Prob. Chi-Square9
0.0074 0.0223
0.2096