penyimpangan dari rata – rata 0,89 dan rata – rata sektor ekonomi yang dibiayai sebesar 5,58 artinya kebanyakan jenis usaha yang dibiayai adalah dari sektor
pertanian. .
5.2. Analisis Data 5.2.1. Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi-asumsi klasik yang merupakan dasar dalam model regresi linier berganda. Hal ini dilakukan
sebelum pengujian hipotesis meliputi :
5.2.1.1 Uji normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi
melalui 2 cara yaitu Analisis Grafik dan analisis statistik uji One sample Kolmogorov Smirnov.
Universitas Sumatera Utara
a. Analisis Grafik
Gambar 5.1 Grafik Normalitas Data
Berdasarkan pada Gambar 5.1 tersebut Gozali 2005 menyatakan jika
distribusi data adalah normal, maka terdapat titik titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya. Hasil grafik tersebut
terlihat bahwa titik titik yang menyebar disekitar garis diagonalnya maka dapat dinyatakan bahwa data berdistribusi normal.
b. Uji Statistik
Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji one sample
Kolmogorov Smirnov Test. Adapun hasil pengujian terdapat pada Tabel 5.2 berikut :
Universitas Sumatera Utara
Tabel 5.2 Hasil Pengujian One Sample Kolmogorov Smirnov Test
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual
N 62
Mean .0000000
Normal Parameters
a
Std. Deviation .19918555
Absolute .093
Positive .093
Most Extreme Differences Negative
-.066 Kolmogorov-Smirnov Z
.735 Asymp. Sig. 2-tailed
.652 a. Test distribution is Normal.
Sumber : Lampiran 2. Hasil Output SPSS 16
Dari hasil pengujian terlihat pada Tabel 5.2 tersebut terlihat besarnya nilai Kolmogorov- Smirnov adalah 0.735 dan signifikansinya pada 0.652 dan nilainya jauh
diatas alpha = 0.05 Dalam hal ini berarti H diterima yang berarti data residual
berdistribusi normal.
5.2.1.2. Uji multikolinearitas Pengujian multikolinearitas dilakukan untuk melihat apakah pada model
regresi ditemukan ada tidaknya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan melihat
nilai Variance Inflation Factor VIF. Menurut Santoso 2002, pada umumnya jika VIF 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan
variabel bebas lainnya.
Universitas Sumatera Utara
Tabel 5.3 Uji Multikolinieritas Model Collinearity
Statistics Tolerance VIF
Constant
X1 .752 1.330
X2 .678 1.476
X3 .585 1.710
X4 .560 1.785
X5 .794 1.259
X6 .676 1.480
X7 .678 1.474
X8 .665 1.503
X9 .521 1.920
X10 .761 1.315
X11 .355 2.813
X12 .608 1.646
X13 .358 2.790
X14 .379 2.639
X15 .434 2.305
X16 .706 1.417
X17 .646 1.549
X18 .693 1.444
Dependent Variabel : Keputusan Kredit_Y Sumber : Lampiran 2 Hasil Output SPSS 16
Dari Tabel 5.3 diatas, terlihat bahwa variabel independen yang ada mempunyai angka Variance Inflation Factor VIF dibawah angka 10 Ghozali, 2005
: 93. Hal ini berarti bahwa regresi yang dipakai untuk ke 18 delapan belas variabel independent diatas tidak terdapat persoalan multikolinieritas.
5.2.1.3. Uji heteroskedastisitas
Menurut Ghozali 2005 : 107 model regresi yang baik adalah model yang Homoskesdatisitas atau tidak terjadi Heteroskedastitas. Dari grafik Scatterplot yang
disajikan yang terdapat pada gambar 5.2 dibawah, terlihat titik-titik tidak menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tidak tersebar
Universitas Sumatera Utara
baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Adapun bentuk grafik Scatterplot terdapat
pada Gambar 5.2 berikut :
Sumber : Hasil Olah Data SPSS. Lampiran 2
Gambar 5.2. Gambar Scatterplot
Selain itu untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan dengan Uji Glesjer. Asumsi utama Uji Glesjer yaitu dengan
melakukan regresi variable independen terhadap residual Ghozali, 2005 : 111. Adapun hasil pengujian Uji Glesjer terdapat pada Tabel 5.4 berikut :
Universitas Sumatera Utara
Tabel 5.4 Uji Glesjer
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig.
Constant .545
.178 3.054
.004 X1
.000 .001
-.028 -.200
.842 X2
-7.487E-5 .000
-.042 -.287
.775 X3
.001 .006
.025 .162
.872 X4
.028 .025
.182 1.135
.263 X5
-.014 .014
-.126 -.939
.353 X6
.000 .001
-.188 -1.288
.204 X7
-.028 .012
-.349 -1.396
.061 X8
-.001 .001
-.207 -1.405
.167 X9
-.012 .006
-.316 -1.901
.064 X10
-.002 .001
-.174 -1.266
.212 X11
.001 .020
.007 .034
.973 X12
.013 .013
.145 .939
.353 X13
3.705E-5 .000
.045 .226
.822 X14
-.006 .012
-.097 -.499
.620 X15
-.008 .010
-.138 -.760
.452 X16
.021 .014
.208 1.453
.153 X17
-.009 .020
-.070 -.468
.642 1
X18 -.037
.019 -.278
-1.927 .061
a. Dependent Variable: Abs
Sumber : Hasil Olah Data SPSS. Lampiran 2
Jika koefesien parameter beta dari persamaan regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang
diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi homoskesdatisitas pada data model tersebut
tidak dapat ditolak. Hasil yang terlihat pada Tabel 5.4 menunjukkan koefesien parameter untuk variabel independent tidak ada yang signifikan dengan tingkat
signifikansi seluruh variabel independen diatas alpha 5 . Maka dapat disimpulkan
Universitas Sumatera Utara
model regresi tidak terdapat heteroskedastisitas. 5.2.1.4. Uji autokorelasi
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin-Watson DW. Menurut Santoso 2002 : 241, untuk mendeteksi ada tidaknya auto korelasi maka
dilakukan pengujian Durbin-Watson DW. Nilai d tersebut selanjutnya dibandingkan dengan nilai d
tabel
dengan tingkat signifikansi 5 dengan df = n-k-1. Untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria
menurut Santoso 2005 : 242 dengan cara melihat besaran Durbin-Watson sebagai berikut :
1. Angka D-W di bawah -2, berarti ada autokorelasi positif.
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
3. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Dari hasil pengujian terlihat bahwa nilai DW sebesar 1,567, berarti data tidak terkena autokorelasi.
Tabel 5.5 Uji Autokorelasi
Model R
R Square Durbin-Watson
1
.689
a
.475 1.580
a. Predictors: Constant,
X18, X1, X16, X8, X10, X15, X2, X9, X12, X6, X5, X7, X17, X3, X4, X13, X14, X11
b. Dependent Variable: Y Sumber : Hasil Olah Data SPSS. Lampiran 2
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson D-
W sebesar 1,580, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif
Universitas Sumatera Utara
maupun negatif masih dalam kisaran angka D-W -2 dan +2. 5.3. Hasil Analisis
Hipotesis dalam penelitian ini adalah informasi akuntansi dan non akuntansi secara simultan dan secara parsial berpengaruh terhadap keputusan pemberian kredit
yang diambil oleh Bank CIMB Niaga Cabang Medan Petisah dapat diterima.
Pengujian goodness of fit dilakukan untuk menentukan kelayakan suatu model
regresi, karena variabel penelitian lebih dari dua variabel maka kelayakan tersebut dapat dilihat dari nilai Adjusted R Square. Nilai Adjusted R Square yang diperoleh
dari hasil pengolahan data dapat dilihat pada Tabel 5.6 di bawah ini :
Tabel 5.6. Pengujian Kelayakan Model
Model R
R Square Adjusted R
Square Std. Error of the
Estimate
1
.689
a
.475 .255
.23724 a.
Predictors: Constant,
X18, X1, X16, X8, X10, X15, X2, X9, X12, X6, X5, X7, X17, X3, X4, X13, X14, X11
b.
Dependent Variable: Y Sumber : Hasil Olah Data SPSS. Lampiran 2
Nilai Adjusted R Square pada Tabel 5.6 diatas sebesar 0,255. Hal ini
menunjukkan bahwa 25,5 variabel keputusan kredit dapat dijelaskan oleh variabel independen yang ada yaitu informasi akuntansi dan variabel informasi non akuntansi
sedangkan sisanya sebesar 74,5 dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini. Untuk melihat tingkat kepercayaan hasil uji hipotesis,
selanjutnya dilakukan uji signifikan. Uji signifikan dibedakan atas uji signifikan simultan uji F dan uji signifikan parsial uji t dengan taraf signifikan
α = 5.
Universitas Sumatera Utara
5.4. Model Uji Hipotesis 5.4.1. Uji Signifikan Simultan Uji F
