- variabel Deposito memiliki nilai minimum 233167273; nilai maksimum 319550381000; nilai rata-rata 27030590607.05 dengan deviasi standar sebesar
54905670901.706 dan jumlah observasi sebanyak 84 sampel. - variabel kredit memiliki nilai minimum 566769918; nilai maksimum
194242503000; nilai rata-rata 30412059640.82 dengan deviasi standar sebesar 45861702157.799 dan jumlah observasi sebanyak 84 sampel.
2. Uji Asumsi Klasik
Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah terpenuhinya semua asumsi klasik,
agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik normalitas data,
autokorelasi, heteroskedastisitas dan asumsi-asumsi klasik lainnya agar hasil pengujian tidak bersifat bias dan efisien. Menurut Ghozali 2005:123 asumsi
klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi dan non-heteroskedasitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk
menghindari bias dalam model regresi. Pengujian normalitas dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S, dengan
menbuat hipotesis:
H0 : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal
Apabila signifikansi lebih besar dari 0.05 maka H0 diterima, sedangkan jika nilai signifikansi lebih kecil dari 0.05 maka H0 ditolak.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Giro Tabungan
Deposito Kredit
N 84
84 84
84 Normal Parameters
a,,b
Mean 1.00E10
1.57E10 2.70E10
3.04E10 Std. Deviation
1.754E10 3.149E10
5.491E10 4.586E10
Most Extreme Differences Absolute
.308 .338
.313 .258
Positive .308
.338 .264
.248 Negative
-.284 -.309
-.313 -.258
Kolmogorov-Smirnov Z 2.822
3.095 2.866
2.361 Asymp. Sig. 2-tailed
.000 .000
.000 .000
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 2011 Dari hasil pengolahan data, diperoleh variabel Giro, Tabungan, Deposito dan
kredit tidak terdistribusi secara normal dengan nilai signifikansi lebih kecil dari 0,05 yakni Giro 0,00; tabungan 0,00; deposito 0,00; variabel kredit 0,00. Secara
keseluruhan data tidak terdistribusi normal karena unstandarized residual lebih kecil dari 0,05. Untuk itu data di-treatment menggunakan model log-log
Nachrowi, 2002:86, yaitu melakukan transformasi data ke model logaritma natural. Berikut ini hasil pengujian dengan Kolmogorov-Smirnov setelah
dilakukan transformasi data:
Tabel 4.3 Hasil Uji Normalitas Setelah Transformasi Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
LN_Giro LN_Tabungan LN_Deposito LN_Kredit
N 84
84 84
84 Normal Parameters
a,,b
Mean 21.1146
20.9580 22.6758
22.8685 Std. Deviation
2.30470 2.31252
1.69435 1.74413
Most Extreme Differences Absolute .142
.126 .091
.119 Positive
.121 .126
.091 .119
Negative -.142
-.055 -.066
-.069 Kolmogorov-Smirnov Z
1.301 1.158
.830 1.090
Asymp. Sig. 2-tailed .068
.137 .496
.185 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 2011 Dari tabel 4.3, dapat disimpulkan bahwa data dalam model regresi setelah
dilakukan transformasi data dalam bentuk logaritma natural, terdistribusi secara normal. Masing-masing ditunjukkan dengan data debagai berikut:
- nilai signifikan Giro sebesar 0.0680.05 maka Ho diterima. - nilai signifikan Tabungan sebesar 0.1370.05 maka Ho diterima.
- nilai signifikan Deposito sebesar 0.4960.05 maka Ho diterima. - nilai signifikan Kredit sebesar 0.1850.05 maka Ho diterima.
Dengan demikian secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji
asumsi klasik lainnya. Untuk lebih jelas berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.1 Histogram
Sumber : Hasil Pengolahan SPSS 2011
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa
distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng
kanan.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot berikut ini:
Gambar 4.2 Grafik Normal Plot
Sumber : Hasil Pengolahan SPSS 2011 Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal
serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas