digunakan mengelompok di sekitar nilai rata-rata, dengan jumlah data yang digunakan adalah sebanyak 30;
4. variabel DTAR perusahaan yang mendapatkan Kredit Modal Kerja memiliki nilai rata-rata 0,1282 dan nilai standar deviasi variabel ini
adalah sebesar 0.08168 yang tergolong kecil sehingga data yang
digunakan mengelompok di sekitar nilai rata-rata, dengan jumlah data yang digunakan adalah sebanyak 30;
5. variabel NPM perusahaan yang mendapatkan Kredit Modal Kerja memiliki nilai rata-rata 0.0833
dan nilai standar deviasi variabel ini adalah sebesar 0.11662
yang tergolong kecil sehingga data yang digunakan mengelompok di sekitar nilai rata-rata, dengan jumlah data
yang digunakan adalah sebanyak 30; 6. variabel KMK yang disalurkan perbankan memiliki nilai rata-rata 3.3333
standar deviasi variabel sebesar 2.03048 dengan jumlah data yang
digunakan adalah sebanyak 30.
2. Uji Asumsi Klasik
Suatu model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi uji asumsi klasik. Pengujian asumsi klasik
dalam penelitian ini mencakup uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas, dan uji autokorelasi.
a Uji Normalitas Pengujian tahap awal yang dilakukan dalam metode penelitian analisis
data. Melalui pengujian ini, dapat diambil tindak lanjut untuk
Universitas Sumatera Utara
menggunakan statistik parametrik atau tidak. Menurut Gozali 2005:110 “tujuan uji normalitas adalah untuk mengujii apakah variabel independen
dan variabel dependen berdistribusi normal”. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal.
Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusannya adalah: 1 jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas.
2 jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Hasil uji normalitas data dalam penelitian ini menunjukkan bahwa
variabel independendan variabel dependen berdistribusi normal. Hal ini dapat dilihat dari grafik histogram dan normal probability plot yang
ditunjukkan pada gambar 4.1 dan 4.2 berikut.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber : diolah dengan SPSS, 2010 Grafik histogram di atas menunjukkan bahwa data telah terdistribusi
secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng
skewness kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot sebagai berikut:
Universitas Sumatera Utara
Gambar 4.2 Normal Probability Plot
Sumber : diolah dengan SPSS, 2010 Dari grafik normal probability plot menggambarkan titik-titik yang
menyebar mendekati garis diagonal, sehingga data dikatakan normal. Pada grafik PP Plots di atas terlihat titik-titik menyebar di sekitarmengikut i
garis diagonal, yang menunjukkan bahwa data berdistribusi normal. Kedua grafik ini menunjukkan bahwa model regresi layak digunakan karena
memenuhi uji normalitas data. Uji statistik yang dapat digunakan untuk menguji apakah residual
berdistribusi normal adalah uji statistik non parametrik Kolmogorov– Smirnov. Jika nilai signifikansi lebih besar dari 0.05, maka data residual
berdistribusi normal. Namun, jika nilai signifikansi lebih kecil dari 0.05,
Universitas Sumatera Utara
maka data residual tidak berdistribusi normal. Berikut ini uji Kologorov Smirnov dapat dilihat pada tabel 4.2.
Tabel 4.2 Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 1.78559503
Most Extreme Differences
Absolute .170
Positive .170
Negative -.088
Kolmogorov-Smirnov Z .929
Asymp. Sig. 2-tailed .354
a. Test distribution is Normal.
Sumber : diolah dengan SPSS, 2010 Dari hasil uji Kolmogorov Smirnov, dapat dilihat bahwa p-value pada
kolom Asimp. Sig2-tailed memiliki nilai 0,354 nilai ini 0,05 level of significant. Hal ini menunjukkan bahwa residual terdistribusi normal.
b Uji Multikolineritas Uji multikolineritas bertujuan untuk menguji apakah dalam suatu
model regresi terdapat korelasi antar variabel independen. Pengujian multikolinearitas dilakukan dengan melihat VIF antar variabel independen.
Jika VIF menunjukkan angka 10 menandakan terdapat gejala
Universitas Sumatera Utara
multikolinearitas. Berikut adalah hasil uji multikolinearitas variabel yang digunakan dalam penelitian
Tabel 4.3 Uji Multikolineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant 1.564
1.413 1.106 .280
Current Ratio .138
.258 .114 .535 .598
.712 1.405 Quick Ratio
-.010 .312
-.007 -.031 .976 .687 1.455
Total Asset Turn Over
-.103 .232
-.085 -.444 .661 .871 1.148
Debt To Total Asset Ratio
6.195 4.816
.249 1.286 .211 .859 1.165
Net Profit Margin 7.007
3.318 .402 2.112 .045
.887 1.127 a. Dependent Variable: KMK
Sumber : diolah dengan SPSS, 2010 Tabel 4.3 diatas memperlihatkan bahwa variabel CR memiliki nilai
VIF 1,405 10 dan nilai Tolerance 0.712 0,1. Variable QR memiliki nilai VIF 1,455 10 dan nilai Tolerance 0,687 0,1. Variable TATO
memiliki nilai VIF 1,148 10 dan nilai Tolerance 0,871 0,1. Variabel DTAR memiliki nilai VIF 1,165 10 dan nilai Tolerance 0,859 0,1.
Variable NPM memiliki nilai VIF 1,12710 dan nilai Tolerance 0,887 0,1. Hasil tersebut menunjukkan bahwa seluruh variabel terbebas dari
multikolineritas dan dapat digunakan dalam penelitian.
Universitas Sumatera Utara
c Uji Heterokedastisitas Tujuan dilakukannya uji heteroskedastisitas adalah untuk menguji
apakah dalam suatu model regresi terdapat ketidaksamaan pengganggu antara satu pengamatan ke pengamatan yang lain. Berikut disajikan hasil
dari uji heteroskedastisitas yang ditunjukkan dalam grafik scatterplot pada gambar 4.3.
Gambar 4. 3 Grafik Scatterplot
Hasil uji grafik Scatterplot menunjukkan tidak terjadinya
heteroskedastisitas pada model regresi. Hal ini terlihat dari titik-titik yang menyebar secara acak yang terdapat diatas maupun dibawah angka 0 pada
sumbu Y, titik-titik data tidak mengumpul hanya di atas atau di bawah saja, dan penyebaran titik-titik data tidak berpola.
Universitas Sumatera Utara
d Uji Autokorelasi Uji autokorelasi menguji apakah dalam sebuah model regresi linier ada
korelasi antara kesalahan pengganggu pada periode dengan kesalahan pada periode t-1 sebelumnya, jika terjadi korelasi maka dinamakan ada
problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Deteksi autokorelasi dengan melihat besaran Durbin-
Watson. Secara umum bisa diambil patokan : 1 angka D – W di bawah – 2, berarti ada autokorelasi posistif,
2 angka D – W diantara – 2 sampai + 2, berarti tidak ada autokorelasi, 3 angka D – W di atas + 2, berarti ada autokorelasi negatif.
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.476
a
.227 .066
1.96280 2.165
a. Predictors: Constant, Net Profit Margin, Total Asset Turn Over, Debt To Total Asset Ratio, Current Ratio, Quick Ratio
b. Dependent Variable: Rata-rata KMK
Sumber : diolah dengan SPSS, 2010 Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 2.165 berada pada
angka D-W di di atas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
4. Koefisien Determinasi