Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,513. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat
digunakan untuk melakukan uji-t dan karena 0,742 0,05 H diterima
b. Hasil Uji Heteroskedastisitas
Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian dilakukan dengan uji grafik dengan melihat grafik
scatterplot yaitu dengan cara melihat titik-titik penyebaran pada grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute
residual absut sebagai variabel dependennya. Perumusan hipotesis adalah : H
: tidak ada heteroskedastisitas, H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.4 Uji Heteroskedastisitas scatterplot
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.076 .013
5.909 .000
RATA2_DE R
-.002 .000
-.689 -3.644
.061 RATA2_RO
E .001
.001 .470
2.485 .059
a. Dependent Variable: absut
Sumber: Data Olahan SPSS, 2010
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.5 diatas terlihat bahwa nilai signifikansi untuk variabel rata-rata DER adalah 0,061
0.05, untuk variabel rata-rata ROE adalah 0,059 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena semua
variabel independennya memiliki signifikan lebih besar dari 0,05.
c. Hasil Uji Multikolinieritas
“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas” Ghozali, 2005:91. Menurut
Ghozali 2005 “adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan
Universitas Sumatera Utara
batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.4.
Tabel 4.6 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.886 .027
32.643 .000 RATA2_DE
R .003
.001 .567
2.777 .010
.690 1.449
RATA2_RO E
-.002 .001
-.326 -1.594 .123
.690 1.449
a. Dependent Variable: KEPUTUSAN_PEMBERIAN_KREDIT
Sumber: Data Olahan SPSS, 2010 Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun variabel
bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1.Jadi dapat disimpulkan bahwa penelitian ini
bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk variabel rata-rata DER adalah 1.449 10 dan nilai tolerance sebesar 0.690
0,1, nilai VIF untuk variabel rata-rata ROE adalah 1.449 10 dan nilai tolerance sebesar 0.690 0.1. Dari hasil ini maka dapat disimpulkan bahwa
semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
Universitas Sumatera Utara
2. Hasil Pengujian Hipotesis
