Uji Asumsi Klasik b

Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Adjusted R 2 sebesar 0,564. Hal ini menunjukkan besarnya pengaruh variabel Giro X 1 , Tabungan X 2 , Deposito X 3 dan Pinjaman X 4 terhadap Likuiditas Y sebesar 56,4, sedangkan sisanya yaitu sebesar 43,6 dipengaruhi oleh faktor lain di luar model penelitian ini.

4.4 Uji Asumsi Klasik

Dalam analisis regresi linier berganda perlu dilakukan pengujian dengan dasar asumsi klasik metode kuadran kecil OLSOrdinary Least Square agar dapat memenuhi syarat sebagai Best Linier Unbiased Estimator BLUE. Uji asumsi klasik ini terdiri atas uji normalitas data, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas. 4.4.1 Uji Normalitas Data Uji normalitas data bertujuan untuk menguji apakah dalam variabel regresi terdapat variabel pengganggu atau tidak residual sehingga memiliki distribusi normal. Metode yang digunakan untuk melihat normalitas residual adalah dengan menggunakan uji Kolmogorov-Smirnov dan melihat normal probability plot. Hasil pengujian normalitas data dapat dilhat pada Tabel 4.8 dan Gambar 4.1 berikut. Tabel 4.8 Hasil Uji Kolmogorov-Smirnov Unstandardized Residual N 70 Normal Parameters

a,b

Mean 0E-7 Std. Deviation 0,126400 Most Extreme Differences Absolute 0,117 Positive 0,089 Negative -0,117 Kolmogorov-Smirnov Z 0,980 Asymp. Sig. 2-tailed 0,292 Sumber : Lampiran 3 Berdasarkan Tabel 4.8 dapat diketahui bahwa nilai signifikansi Asymp. Sig. 2-tailed sebesar 0,292. Karena signifikansi lebih dari 5 0,292 0,05, maka nilai residual tersebut terdistribusi secara normal, dengan kata lain model regresi yang digunakan memenuhi syarat asumsi normal. Berdasarkan hasil uji normalitas dengan menggunakan analisis grafik yaitu dengan menggunakan grafik normal plot menunjukkan bahwa pada grafik terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya ada di sekitar garis diagonal. Hasil pengujian normalitas data menggunakan metode analisis normal probability plot dapat dilhat pada Gambar 4.1 berikut. Gambar 4.1 Grafik P-P Plot Normalitas Data Sumber : Lampiran 3 4.4.2 Uji Multikolinieritas Uji multikolinearitas dilakukan untuk menguji apakah model regresi yang digunakan dalam penelitian ini ditemukan adanya korelasi antar variabel independen. Apabila terdapat korelasi, maka diidentifikasi ada masalah multikolinearitas. Sebab model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Tabel 4.9 Hasil Uji Multikolinieritas Model Collinearity Statistics Tolerance VIF Giro X 1 0,278 3,591 Tabungan X 2 0,956 4,587 Deposito X 3 0,126 7,930 Empati X 4 0,426 3,461 Sumber : Lampiran 3 Berdasarkan Tabel 4.9 dapat diketahui bahwa nilai tolerance diatas 0,10 dan nilai Variance Inflation Factor VIF kurang dari 10. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas pada model regresi. 4.4.3 Uji Autokorelasi Tujuannya untuk menguji apakah dalam sebuah model regresi linier barganda ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka terjadi autokorelasi. Hasil uji autokorelasi dapat dilihat pada Tabel 4.10 sebagai berikut. Tabel 4.10 Hasil Uji Autokorelasi Durbin-Watson d U Batas Atas d L Batas Bawah 4-d U 1,894 a 1,7351 1,4943 2,106 Sumber : Lampiran 3 Berdasarkan Tabel 4.10 dapat diketahui bahwa nilai DW sebesar 1,894. Sedangkan nilai d L diperoleh sebesar 1,4943 dan nilai d U sebesar 1,7351. Karena nilai DW terletak diantara d U DW 4-d U , dimana 1,7351 1,894 2,106. Maka dapat disimpulkan bahwa tidak terjadi masalah autokorelasi pada model regresi. 4.4.4 Uji Heteroskedastisitas Tujuan uji heteroskedastisitas untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Jika tetap maka disebut homokedastisitas dan jika berbeda disebut heteroskedatisitas. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan uji koefisien korelasi rank spearman yaitu mengkorelasikan antara absolute residual hasil regresi dengan semua variabel bebas. Hasil uji Heteroskedastisitas dapat dilihat pada Tabel 4.11 sebagai berikut. Tabel 4.11 Hasil Uji Heteroskedastisitas Spearman’s rho Absolute Residual Giro X 1 Correlation Coefficient -0,176 Sig. 2-tailed 0,145 N 70 Tabungan X 2 Correlation Coefficient -0,163 Sig. 2-tailed 0,177 N 70 Deposito X 3 Correlation Coefficient -0,290 Sig. 2-tailed 0,148 N 70 Pinjaman X 4 Correlation Coefficient -0,232 Sig. 2-tailed 0,053 N 70 Absolute Residual Correlation Coefficient 1,000 Sig. 2-tailed 0,000 Correlation Coefficient 70 Sumber : Lampiran 3 Berdasarkan Tabel 4.11 dapat diketahui bahwa nilai korelasi dari kedua variabel independent dengan Absolute Residual Sig. 2-tailed memiliki nilai signifikansi sebesar 0,145 X 1 ; 0,177 X 2 ; 0,148 X 3 dan 0,053 X 4 yang menunjukkan lebih besar dari 0,05. Maka dapat disimpulkan bahwa tidak terjadi masalah Heteroskedastisitas pada model regresi.

4.5 Uji Hipotesis