49 X
4
= Non Performing Loan NPL e = Standard Error
3.9 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kelayakan dari model analisis data yang digunakan. Uji asumsi klasik ini terdiri dari uji nonnalitas, uji
multikolinearitas, uji heteroskedastisitas dan uji autokorelasi Ghozali, 2005: 54.
1. Uji Normalitas
Uji nonnalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi nonnal serta untuk
menghindari bias dafain model regresi. Pengujian ini dipeiiukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti
distribusi normal Erlina, 2007:103. Jika nilai residual tidak memiliki distribusi nonnal, maka satah satu cara menormalkannya adalah dengan melakukan
transformasi data, yaitu mengubah nilai-nilai observasi data ke dalam bentuk logaritma sehingga membentuk distribusi normal Jogiyanto, 2004: 172.
Uji ini digunakan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi nonnal. Data yang baik adalah data
yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak melenceng ke kiri atau melenceng ke kanan. Uji ini dilakukan melalui
analisis grafik dan analisis statistik Kolmogorov-Smimov. Dasar pengambilan keputusan dengan analisis grafik:
Universitas Sumatera Utara
50 a.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya inenunjukkan pola distribusi normal maka model
regresi memenuhi asumsi normalitas, b.
Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal
maka model regresi tidak memenuhi asumsi nonnalitas. Kriteria pengujian menggimakan uji non-parametrik Kolmogorov-Smimov:
1. Jika angka signifikan uji Kolmogorov-Smirnov 0,05 maka data
dinyatakan normal 2.
Jika angka signifikansi Kolmogorov-Smimov 0,05 maka data tidak mempunyai distribusi normal.
2. Uji Mulfikolinearitas
Uji ini bertiijuan wituk menguji apakah model regresi ditemukan adanya korelasi yang sangat kuat di antara variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen karena hal ini akan mengurangi keyakinan dalam pengujian signifikansi Ghozali. 2005:91.
Multikolinearitas adalah keadaan adanya korelasi yang kuat antara variabel-variabel independen yang satu dengan variabel independen lainnya.
Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal. Variabel- variabel bebas yang bersifat ortogonal adalah variabel bebas yang metniliki nilai
korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah;
Universitas Sumatera Utara
51 1
koefisien-koefisien regresi menjadi tidak dapat ditaksir, 2
nilai standar error setiap koefisien regresi menjadi tak terhingga. Deteksi multikolinearitas dilakukan dengan raeiihat nilai VIF Variance Inflation
Factor dan tolerance. Pedoman suatu model regresi yang bebas dari miiltikolinearitas adalah VIF 10 dan tolerance 0.1 Ghozali, 2005: 92.
Selam itu juga dapat dilihat dari besarnya korelasi antar variabel independeu, dimana bila korelasi antar variabel independen di bawah 0,5 maka model
regresi bebas dari multikolinearitas.
3. Uji Heteroskedastisitas
Tujuan dari uji heterokedasitas ini adalah imtiik menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari sam
pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas dan
jika berbeda disebut heteroskedastisitas Eriina, 2007:108. Model regresi yang baik adalah yang homoskedasitas. Untuk mendeteksi
ada tidaknya heteroskedasitas, menurut Ghozali 2005:105 dapat dilihat dan grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan
nilai residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedasitas. Model
regresi yang baik adalah yang terjadi homoskedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
52
4. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesaiahan pada periode t-1 atau sebelumnya. Autokorelasi munncul karena observasi yang bernrutan sepanjang waktu berkaitan satu sama lain. Masalah ini
timbui karena residual atau kesaiahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering diterankan pada data runtut waktu atau time
series karena gangguan pada seorang individu atau kelompok cenderung mempenganihi gangguan pada individu atau kelompok yang sama pada periode
berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, dapat digunakan uji Dtirbin
Watson. Gliozali 2005: 96 memberikan panduan untuk mendeteksi ada atau tidaknya autokorelasi sebagai berikut:
a. Bila nilai Durbin-Watson DW berada diantara 0 dan batas bawah
DL, berarti ada autokorelasi positif. b.
Bila nilai DW berada diantara DL dan DU batas atas, tidak dapat diputuskan terjadi autokorelasi positif atau tidak.
c. Bila nilai DW ada diantara 4-DL dan 4, berarti ada autokorelasi negatif.
iv. Bila nilai DW diantara 4-DU dan 4-DL, tidak dapat diputuskan ada autokorelasi negatif atau tidak.
d. Bila nilai DW ada diantara DU dan 4-DU, berarti tidak ada autokorelasi
positif maupun negatif.
Universitas Sumatera Utara
53 Nilai batas bawah DL Durbin Watson dan batas atas DU Durbin-
Watsoti dapat dilihat pada tabel Durbin- Watson.
3.10 Pengujian Hipotesis
Kategori