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