Uji Normalitas Uji Asumsi klasik
dapat dilihat dari Pearson Correlation jika diatas 0,85 maka di duga terjadi miltikolinieritas
78
, adapun Uji korelasi sebagai berikut :
Tabel 4.8 Deteksi Multikolinearitas Dengan Uji Korelasi
Correlations
DPK FDR
NPF BI RATE
SBIS DPK
Pearson Correlation 1
.405 -.089
.400 .741
Sig. 2-tailed .001
.476 .001
.000 N
66 66
66 66
66 FDR
Pearson Correlation .405
1 -.324
-.014 -.160
Sig. 2-tailed .001
.008 .909
.199 N
66 66
66 66
66 NPF
Pearson Correlation -.089
-.324 1
.663 .031
Sig. 2-tailed .476
.008 .000
.805 N
66 66
66 66
66 BI RATE
Pearson Correlation .400
-.014 .663
1 .420
Sig. 2-tailed .001
.909 .000
.000 N
66 66
66 66
66 SBIS
Pearson Correlation .741
-.160 .031
.420 1
Sig. 2-tailed .000
.199 .805
.000 N
66 66
66 66
66 .
Correlation is significant at the 0.01 level 2-tailed.
Pada Tabel 4.8 menunjukan bahwa nilai korelasi pearson pada variabel DPK dengan FDR sebesar 0,405, DPK dengan NPF sebesar -0,089 dan nila
korelasi pearson terbesar dan terkecil adalah DPK dengan SBIS sebesar 0,741 dan NPF dengan FDR yaitu -0,324. Sedangkan korelasi pearson antara variabel satu
78
Agus widarjono, “analisis statistika multivariate terapan” Yogyakarta: sekolah tinggi ilmu manajemen, 2010 h.77
dengan lainnya terlihat memiliki nilai dibawah 0,85. Sehinggga dapat disimpulkan tidak terjadi multikorelasi antar variable bebas.
Tabel 4.9 Deteksi Multikolinearitas
dengan VIF Variance Inflation Factor dan Tolerance
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant 8.580 .163
52.480 .000
DPK 7.491E-6
.000 .937
43.883 .000
.164 6.113
FDR .769
.159 .078
4.830 .000
.283 3.536
NPF -.597
.726 -.011
-.823 .414
.410 2.441
BI RATE 2.702 .897
.044 3.010
.004 .351
2.852 SBIS
1.960E-6 .000
.009 .475
.636 .197
5.071 a. Dependent Variable: log_Y
Berdasarkan Tabel 4.9 nilai VIF Variance Inflation Factor dan Tolerance dari setiap variabel independen memiliki nilai kurang dari 10 sehingga
dapat disimpulkan bahwa tidak ada masalah multikolinieritas. Begitu pula bila menggunakan angka tolerance diduga tidak ada multikolinieritas walaupun
mungkin perlu waspada karena angka tolerance nilainya sekitar 0,164 yang tentu
angka mendekati 0. c.
Uji Heteroskedasitas
Heteroskedasitas berarti ada varian variable pada model regresi yang tidak sama konstan. Sebaliknya, jika varian variable pada model
regresi memiliki nilai yang sama konstan maka disebut dengan
homoskedastisitas. Yang diharapkan pada model regresi adalah yang homoskedastisitas
Untuk mendeteksi
apakah variabel
tersebut terdapat
heteroskedasitas didalam regresi peneliti menggunakan beberapa uji deteksi diataranya dengan uji Glejser dan uji scatterplot, uji Glejser
dilakukan dengan meregresikan semua variabel bebas terhadap nilai mutlak residualnya. Jika terdapat pengaruh variabel bebas yang signifikan
terhadap nilai mutlak residualnya maka dalam model terdapat masalah heteroskedasitas
79
, nilai signifikan untuk uji Glejser minimal sebesar 5 jika di bawah 5 terdapat heteroskedasitas.
Sedangkan untuk syarat dari uji scatterplot adalah harus memiliki pola scatterplot yang menyebar secara acak hal tersebut menandakan tidak
terjadi masalah heteroskedasitas, begitu juga sebaliknya jika pola scatterplot membentuk pola tertentu tidak menyebar maka terjadi
masalah heteroskedasitas. Untuk uji scatterplot dapat dilihat gambar 4.2 Gambar 4.2 Uji Scatterplot Heteroskedasitas
79
Suliyanto, ekonometrika terapan teori dan aplikasi dengan spss, Yogyakarta :penerbit CV Andi, 2011, h. 98