Variabel Non Perfoming Financing NPF

110 Tabel 4.6 Data Pembiayaan Usaha Kecil dan Menengah UKM di Indonesia Tahun 2011-2016 BULAN TAHUN 2011 2012 2013 2014 2015 2016 Januari 52.519 72.524 92.672 108.138 58.142 49.119 Februari 52.411 73.392 96.493 107.08 57.78 48.178 Maret 54.641 76.941 100.793 108.327 57.203 49.410 April 56.085 75.339 102.206 109.506 54.812 Mei 57.913 78.12 103.489 63.747 51.603 Juni 60.695 81.218 103.816 63.835 51.603 Juli 61.962 83.471 108.932 62.747 50.073 Agustus 64.925 76.304 104.727 65.862 41.738 September 66.517 80.456 106.577 53.606 46.425 Oktober 68.84 83.092 107.5 64.98 46.057 November 69.197 86.218 108.311 59.148 46.798 Desember 71.81 90.86 110.086 59.806 50.291 Sumber: Statistik Bank Indonesia yang telah diolah Pada Tabel di atas menunjukan bahwa nilai UKM tertinggi pada tahun 2011 UKM tertinggi terjadi pada bulan Desember sebesar RP. 71.810 Miliar dan terendah pada bulan Janari sebesar Rp. 52.519 Miliar . Pada tahun 2012 UKM tertinggi terjadi pada bulan Desember sebesar RP.90.860 Miliar dan terendah pada bulan Januari sebesar 72.524. Pada tahun 2013 UKM tertinggi terjadi pada bulan Desember sebesar 110.086 Miliar dan terendah pada bulan Januari sebesar Rp. 92.672 Miliar. Pada tahun 2014 UKM tertinggi terjadi pada bulan April sebesar Rp. 109.506 Miliar dan terendah pada bulan Desember sebesar Rp.59.806 Miliar. Pada tahun 2015 UKM tertinggi terjadi pada bulan Januari sebesar 58.142 Miliar dan terendah pada bulan Agustus sebesar Rp. 41.738 Miliar. Pada tahun 2016 NPF tertinggi pada bulan Maret Rp. 49.410 Miliar dan terendah pada bulan Februari Rp. 48.178 Miliar. 111 Sedangkan selama periode penelitian UKM tertinggi terjadi pada bulan Desember 2013 sebesar Rp. 110.086 Miliar dan terendah pada bulan Agustus 2015 Rp. 41.738 Miliar.

C. Analisis Data dan Pembahasan

1. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak. Data berdistribusi normal jika data akan mengikuti arah garis diagonal dan menyebar disekitar garis diagonal. Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian besar mendekati nilai rata-ratanya. Dalam penelitian ini, peneliti menggunakan uji normalitas dengan analisis grafik dan uji Kolmogorov-Smirnov. Berikut adalah hasil dari uji normalitas : 1 Analisis Grafik Histogram Sumber data diolah. Gambar 4.2 Grafik Histogram 112 Berdasarkan gambar di atas, histogram Regression Residual membentuk kurva seperti lonceng maka nilai residual tersebut dinyatakan normal atau data berdistribusi normal. 2 Analisis Grafik dengan Normal Probability Plot Normal P-P Plot Sumber : data yang diolah. Gambar 4.3 Grafik P-p Plot Berdasarkan Gambar di atas, terlihat bahwa penyebaran data titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang berarti bahwa data berdistriusi normal atau model regresi memenuhi asumsi normalitas.