Uji Asumsi Klasik 1. Uji Normalitas

CAR mempunyai nilai minimum 13,18 dan nilai maksimum 21,86. Sementara nilai standar deviasi standard deviation sebesar 2,25 dan nilai rata- rata mean sebesar 16,18. Nilai rata-rata mean yang lebih besar dibandingkan dengan standar deviasi standard deviation menunjukkkan bahwa data berdistribusi dengan baik. Suku Bunga SBI mempunyai nilai minimum 4,80 dan nilai maksimum 11,82. Sementara nilai standar deviasi standard deviation sebesar 2,25 dan nilai rata-rata mean sebesar 7,16. Nilai rata-rata mean yang lebih besar dibandingkan dengan standar deviasi standard deviation menunjukkkan bahwa data berdistribusi dengan baik. Penyaluran Kredit mempunyai nilai minimum Rp. 21.796 Milyar dan nilai maksimum Rp. 529.973 Milyar. Sementara nilai standar deviasi standard deviation sebesar Rp. 144.478 Milyar dan nilai rata-rata mean sebesar Rp. 207.451 Milyar. Nilai rata-rata mean yang lebih besar dibandingkan dengan standar deviasi standard deviation menunjukkkan bahwa data berdistribusi dengan baik. 4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas adalah Universitas Sumatera Utara Kolmogorov Smirnov. Uji Kolmogorov Smirnov dapat dilihat dalam Tabel 4.2 sebagai berikut: Tabel 4.2 Hasil Uji Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 32 Normal Parameters a,,b Mean .0000000 Std. Deviation 27.96578803 Most Extreme Differences Absolute .110 Positive .110 Negative -.097 Kolmogorov-Smirnov Z .623 Asymp. Sig. 2-tailed .833 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2015 Data diolah Berdasarkan Tabel 4.2 dapat diketahui bahwa nilai K-S adalah 0,623 dengan signifikansi 0,833. Hal ini berarti bahwa semua variabel independen DPK, NPL, CAR, Suku Bunga SBI berdistribusi normal karena memiliki nilai signifikansi diatas 0,05. Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik, baik dengan melihat grafik secara histrogram ataupun dengan melihat secara Normal Probability Plot. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Berdasarkan tampilan grafik histogram dapat dilihat pada Gambar 4.1, Uji normalitas dengan melihat grafik secara histogram dapat disimpulkan bahwa Universitas Sumatera Utara variabel residual berdistribusi normal karena data mengikuti arah garis grafik histogramnya. Gambar 4.1 Grafik Histogram Sedangkan berdasarkan grafik normal plot dapat dilihat pada gambar 4.2, dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal. Hal ini mengindikasikan bahwa model regresi memenuhi asumsi normalitas. Gambar 4.2 Normal Plot Universitas Sumatera Utara

4.2.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regressi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Berdasarkan Tabel 4.3 diperoleh hasil bahwa variabel DPK, NPL, CAR, Suku Bunga SBI bebas dari multikolinearitas yang ditunjukkan dengan nilai tolerance 0,10 dan nilai VIF 10. Tabel 4.3 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant DPK .693 1.443 NPL .624 1.602 CAR .913 1.095 SUKUBUNGASBI .841 1.189 a. Dependent Variable: KREDIT Sumber: Hasil Penelitian, 2015 data diolah

4.2.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Hasil dari uji heteroskedastisitas dapat dilihat pada gambar 4.3 berikut: Universitas Sumatera Utara Gambar 4.3 Scatterplot Berdasarkan hasil scatterplot, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.

4.2.2.4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangggu pada periode t-1 sebelumnya. Cara mengetahui adanya autokorelasi dapat dilakukan dengan uji Durbin Watson. Hasil dari uji autokorelasi dapat dilihat pada Tabel 4.4 berikut ini: Tabel 4.4 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .981 a .963 .957 29.965810 1.809 a. Predictors: Constant, SUKUBUNGASBI, CAR, DPK, NPL b. Dependent Variable: KREDIT Universitas Sumatera Utara Berdasarkan uji autokorelasi pada Tabel 4.4 diperoleh hasil bahwa nilai Durbin Watson DW sebesar 1,809 dan nilai du sebesar 1,732. Penelitian ini berada antara du d 4-du 1,732 1,809 2,268. Hal ini berarti dalam penelitian ini tidak terjadi autokorelasi positif atau negatif.

4.2.3. Analisis Regresi Berganda