4.2.7. Loan to Deposit Ratio LDR
LDR digunakan untuk mengetahui seberapa besar dana yang diterima bank disalurkan dalam bentuk kredit. Hasil perhitungan LDR dapat dilihat pada
Tabel 7.
Tabel 7: Deskripsi Variabel LDR Tahun 2007-2008
LDR No Nama
Bank Tahun 2007
Tahun 2008
1 PT Bank Mandiri
50,83 54,79
2 PT Bank Rakyat Indonesia
63,35 74,26
3 PT Bank Central Asia
42,20 51,52
4 PT Bank Nasional Indonesia
55,64 63,91
5 PT Bank Pan Indonesia
84,19 74,47
Max 84,19
74,47 Min
42,20 51,52
Rata-rata 59,24 63,79
Sumber: www.idx.co.id
Dari Tabel 7 nampak bahwa selama periode penelitian yaitu tahun 2007 sampai dengan tahun 2008 rata-rata LDR kelima bank yang go publik adalah sebesar
59,24 dan 63,79. Tahun 2007 dan 2008 nilai LDR tertinggi terdapat pada Bank Pan Indonesia sebesar 84,19 dan 74,47. Sedangkan nilai LDR terendah terjadi
pada Bank Central Asia sebesar 42,20 dan 51,52.
4.3. Pengujian Asumsi Klasik 4.3.1.
Uji Multikolinieritas
Multikolinieritas merupakan adanya korelasi variabel independen dalam regresi berganda. Untuk mengidentifikasi ada atau tidaknya multikolinieritas
dapat dilihat dari besarnya VIF Variance Inflation Factor dan tingkat
tolerance. Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinieritas Gujarati, 1995:166. Hasil pengujian multikolonieritas
selengkapnya nampak pada Tabel 8:
Tabel 8: Uji Multikolinieritas Variabel
VIF
Likuiditas 1,450 Inflasi 5,138
Pertumbuhan Ekonomi 4,154
CAR 1,638 ROA 1,151
LDR 2,338
Sumber : Lampiran 3 Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda
menyatakan bahwa penelitian ini tidak terjadi multikolinieritas atau non multikolinieritas, karena nilai VIF dari masing-masing variabel X
1
, X
2
, X
3,
X
4,
X
5
dan X
6
lebih kecil dari 10. Syarat tidak terjadi multikolinieritas jika nilai VIF Variance Inflation Factor 10 Cryer, 1994 : 681.
4.3.2. Uji Heteroskedastisitas
Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas.
Model regresi yang baik tidak mempunyai Heteroskedastisitas. Untuk mengetahui ada atau tidaknya homoskedastisitas dapat dilakukan dengan cara
menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Hasil Heteroskedastisitas dalam penelitian ini menggunakan korelasi
rank spearman antara residual dengan seluruh variabel bebas dengan hasil sebagai berikut:
Tabel 9: Nonparametric Correlation
Variabel Sign
Keterangan Likuiditas 0,625
0,05 Homoskedastisitas
Inflasi 0,310 0,05
Homoskedastisitas Pertumbuhan Ekonomi
0,446 0,05
Homoskedastisitas CAR 0,934
0,05 Homoskedastisitas
ROA 0,907 0,05
Homoskedastisitas LDR 0,676
0,05 Homoskedastisitas
Sumber: Lampiran 3 Karena hasil analisis menunjukkan tidak adanya korelasi antara residual
dengan variabel bebasnya tidak ada yang signifikan, maka hasil analisis ini dapat disimpulkan tidak terjadi Heteroskedastisitas.
4.3.3. Uji Autokorelasi
Istilah auto korelasi autocorrelation dapat didefinisikan sebagai korelasiketerkaitan antara anggota serangkaian observasi yang diurutkan
menurut waktu dan ruang Gujarati, 1988 : 201. Salah satu asumsi penting dari perhitungan asumsi klasik adalah tidak terdapatnya auto korelasi atau kondisi
yang berurutan diantara pengganggu disturbance yang digunakan dalam fungsi regresi.
Adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 sebelumnya. Untuk melihat ada atau tidak
adanya autokorelasi dapat dilihat dari besarnya Angka Durbin Watson, dengan patokan:
1. Angka D-W dibawah –2 ada autokorelasi positif
2. Angka D-W diatas +2 ada autokorelasi negatif
3. Angka Berada diantara –2 sampai +2 Tidak ada Autokorelasi
atau Membandingkan dengan Tabel Durbin Watson Identifikasi gejala autokorelasi dapat dilihat pada kurva di bawah ini.
Gambar 1: Kelompok Daerah Dalam Uji D-W
0,99 1,978
3,80 d
3,01 0,20
Ada Autokorelasi
Positif
Daerah Kritis
Daerah Ketidak-
pastian atau
keragu- raguan
Tidak Ada Autokorelasi
positif dan tidak ada
Autokorelasi negatif
Daerah Ketidak-
pastian atau keragu-
raguan Daerah
Kritis Menolak H
Tidak Menolak H
Menolak H
d
Ada Autokorelasi
Negatif
f d
Sumber: Damodar Gujarati, Ekonometrika Dasar, Terjemahan, Penerbit Erlangga, Jakarta, 1988, Halaman 216.
Hasil analisis menunjukkan bahwa nilai Durbin Watson sebesar 3,001 lampiran 3 terletak diantara nilai dU= 3,01 n = 10 dan k = 6 dan nilai 4-dU
sebesar 0,99 sehingga variabel yang diteliti dalam model ini tidak terdapat auto korelasi baik positif maupun negatif. Jadi dapat disimpulkan bahwa model
regresi linier berganda yang diperoleh pada penelitian ini bersifat BLUE Best Linier Unbiased Estimator.
Pengujian yang dilakukan pada model yang dihasilkan tidak terdapat pelanggaran asumsi klasik yaitu: Non Heteroskedastisitas, Non
Multikolinearitas dan Non Auto Korelasi sehingga model tersebut valid sebagai estimator.
4.4. Analisis dan Pengujian Hipotesis