29
Kolmogorov-Smirnov Z .573
Asymp. Sig. 2-tailed .898
a. Test distribution is Normal.
Tabel 4.2 Hasil Uji Normalitas Data
Dari hasil uji Kolmogrov – Smoirnov pada tabel 4.2 diatas menunjukkan nilai signifikasi = 0,898. Dengan demikian, data pada penilitian ini berdistribusi normal dan dapat digunakan
untuk melakukan uji hipotesis karena 0,898 0,05.
4.2.2.2 Uji Heterokedastisitas
Dasar pengambilan keputusannya menurut Ghozali 2005 : 111 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola
tertentu yang teratur, maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan Y, maka tidak terjadi heterokedastisitas.
Cara mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar
pengambilan keputusannya adalah sebagai berikut:
Universitas Sumatera Utara
30
Gambar 4.3 Uji Heterokedastisitas Scatterplot
Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik – titik tidak membentuk suatu pola tertentu dan menyebar dibawah angka 0 dan titik Y, sehingga dapat disimpulkan pada
data ini tidak terjadi heterokedastisitas yang artinya model baik digunakan untuk memprediksi nilai variabel dependen.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan t
1
atau sebelumnya Erlina, 2008 : 106. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan
menggunakan uji Durbin Watson. Panduan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai terletak antara batas atas dU dan 4-dU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah dari pada batas bawah dL, maka koefisien autokorelasi lebih dari nol berarti ada autokorelasi positif.
Universitas Sumatera Utara
31 3. Bila nilai DW lebih dari pada 4-dL, maka koefisien autokorelasi lebih
kecil dari nol berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara batas atas dU dan batas bawah dL atau
DW terletak antara 4-dU dan dL, maka hasilnya tidak dapat disimpulkan.
Model Summary
Model Durbin-Watson
1 1.171
a. Predictors: Constant, X4=ROA, X2=CAR, X3=NPL, X1= DPK
b. Dependent Variable: Y=Kredit
Tabel 4.3 Hasil Uji Autokorelasi
Dari hasil SPSS diatas maka diperoleh nilai D-W sebesar 1,17, nilai ini berada diantara -2 sampai +2, maka dapat disimpulkan bahwa data ini bebas dari autokorelasi atau
tidak ada masalah dalam pengambilan sampel time series.
4.2.2.4 Uji Multikolinearitas