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