Hasil Analisis Asumsi Regresi Klasik BLUE Best Linier Unbiased

1998 terjadi krisis ekonomi dan kenaikan harga BBM. Tingkat Suku Bunga Tabungan Masyarakat tertinggi terjadi pada tahun 1997 sebesar 38,16 dan Tingkat Suku Bunga Tabungan Masyarakat terendah pada tahun 2010 sebesar 3,05 . Tabel 6. Perkembangan Tingkat Suku Bunga Tabungan Masyarakat Tahun 1996-2010 Sumber : Badan Pusat Statistik Jawa Timur diolah Tahun Tingkat Suku Bunga Tabungan Masyarakat Perkembangan 1996 15,62 - 1997 26,18 10,56 1998 38,16 11,98 1999 12,61 -25,55 2000 8,86 -3,75 2001 9,19 0,33 2002 8,96 -0,23 2003 5,14 -3,82 2004 4,37 -0,77 2005 4,32 -0,05 2006 3,85 -0,47 2007 3,48 -0,37 2008 3,33 -0,15 2009 3,25 -0,08 2010 3,05 -0,20

4.3 Hasil Analisis Asumsi Regresi Klasik BLUE Best Linier Unbiased

Estimator. Agar dapat diperoleh hasil estimasi yang BLUE Best Linier Unbiased Estimator atau perkiraan linier tidak bias yang terbaik maka estimasi tersebut harus memenuhi beberapa asumsi yang berkaitan. Apabila salah satu asumsi tersebut dilanggar, maka persamaan regresi 91 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Dalam hal ini harus dihindarkan terjadinya kasus-kasus sebagai berikut : 1. Autokorelasi Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1995:201. Untuk mengujji variabel-variabel yang diteliti apakah terjadi autokorelasi atau tidak dapat digunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai Durbin Watson yang dihitung dengan nilai Durbin Watson dL dan du dalam tabel. Distribusi penetuan keputusan dimulai dari 0 nol sampai 4 empat. Kaidah keputusan dapat dijelaskan sebagai berikut : 1. Jika d lebih Makanan dan Minuman daripada d L atau lebih besar daripada 4-d L , maka hipotesis nol ditolak yang berarti terdapat autokorelasi. 2. Jika d teletak antara d U dan 4-d U , maka hipotesis nol diterima yang berarti tidak ada autokorelasi. 3. Jika nilai d terletak antara d L dan d U atau antara 4-d L dan 4-d U maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya autokorelasi di antara faktor-faktor penganggu. Untuk mengetahui ada tidaknya gejala autokorelasi dalam model penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel 92 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. bebas adalah 5 k=5 dan banyaknya data adalah n=15 sehingga diperoleh nilai DW tabel adalah sebesar d L = 0,562 dan d U = 2,220. 93 Gambar 6. Kurva Statistik Durbin Watson Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis pastian pastian Tolak Tidak ada Tolak Ho autokorelasi Ho 0 d L = 0,562 d U = 2,220 4-d U = 1,780 4-d L = 3,438 d 1,792 Sumber : Lampiran 2 dan 7 Berdasarkan hasil analisis, maka dalam model regresi ini tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebesar 1,792 berada pada daerah antara dL dan dU yang berarti berada dalam daerah ketidak pastian.

2. Multikolinier

Multikolinieritas berarti ada hubungan linier yang “sempurna” atau pasti di antara beberapa atau semua variabel independen dari model regresi. Dari dugaan adanya multikolinieritas tersebut maka perlu adanya pembuktian secara statistik ada atau tidaknya gejala multikolinier dengan cara menghitung Variance Inflation Factor VIF. VIF menyatakan tingkat “pembengkakan” varians. Apabila VIF lebih besar dari 10, hal ini berarti terdapat multikolinier pada persamaan regresi linier. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Adapun hasil yang diperoleh setelah diadakan pengujian analisis regresi linier berganda diketahui bahwa dari keempat variabel yang dianalisis dapat dilihat pada tabel berikut : Tabel 7 : Tes Multikolinier TOLERANCE VIF Ketentuan KETERANGAN 0,413 2,420 ≤ 10 Tidak terjadi Multikolinier 0,140 7,138 ≤10 Tidak terjadi Multikolinier 0,257 3,897 ≤10 Tidak terjadi Multikolinier 0,175 5,743 ≤10 Tidak terjadi Multikolinier 0,106 9,448 ≤10 Tidak terjadi Multikolinier Sumber : Lampiran 3

3. Heterokedastisitas

Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel bebas X. Hal ini bisa diidentifikasikan dengan menghitung korelasi rank spearman antara residual dengan seluruh variabel bebas. Pembuktian adanya heterokedastisitas dilihat pada tabel dibawah ini. 94 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tabel 8. Tes Heterokedastisitas dengan Korelasi Rank Spearman Korelasi Residual Simpangan Baku Spearmans rho Residual Simpangan Baku Koefisien Korelasi 1000 Sig. 2-tailed - N 15 Pendapatan Perkapita X1 Koefisien Korelasi -.075 Sig. 2-tailed .791 N 15 Jumlah Penduduk X2 Koefisien Korelasi -.014 Sig. 2-tailed .960 N 15 Tingkat Inflasi X3 Koefisien Korelasi -.361 Sig. 2-tailed .187 N 15 Jumlah Kantor Bank X4 Koefisien Korelasi -.111 Sig. 2-tailed .694 N 15 Tingkat Suku Bunga X5 Koefisien Korelasi .082 Sig. 2-tailed .771 N 15 Sumber : Lampiran 4. Berdasarkan tabel diatas, diperoleh tingkat signifikansi koefisien korelasi rank spearman untuk variabel bebas X 1 sebesar 95 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 0,791; X 2 sebesar 0,960; X 3 sebesar 0,187, X 4 sebesar 0,694 dan X 5 sebesar 0,771 terhadap residual lebih besar dari 0,05 tidak signifikan sehingga tidak mempunyai korelasi yang berarti antara nilai residual dengan variabel yang menjelaskan. Jadi dapat disimpulkan persamaan tersebut tidak terjadi heterokedastisitas. Berdasarkan pengujian yang telah dilakukan diatas dapat disimpulkan bahwa pada model penelitian ini tidak terjadi pelanggaran asumsi klasik.

4.3.1. Analisis Dan Pengujian Hipotesis

Untuk mengetahui pengaruh Pendapatan Perkapita, jumlah kantor bank, tingkat inflasi, Jumlah Kantor Bank dan Tingkat Suku Bunga terhadap Jumlah Tabungan Masyarakat digunakan analisis regresi linier berganda dan untuk mengolah data yang ada diguanakan alat bantu komputer dengan program SPSS Statistic Program For Social Science versi 13.0. 96 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tabel 9 : Hasil Analisis Variabel Pendapatan Perkapita X 1 ,jumlah pendudukX2,tingkat inflasiX3,jumlah kantor bankX4, suku bunga X5 Variabel Koefisien Regresi Pendapatan Perkapita X1 1687,904 Jumlah Penduduk X2 49,089 Tingkat Inflasi X3 -115996,872 Jumlah Kantor Bank X4 -13230,297 Tingkat Suku Bunga X5 456104,235 Variabel terikat : Jumlah Tabungan Masyarakat Konstanta = -134969504 R = 0,969 R² = 0,940 Sumber: Lampiran 3 Berdasarkan hasil analisis diperoleh persamaan regresi linier berganda sebagai berikut : Y = -134969504 + 1687,904 X 1 + 49,089 X 2 - 115996,872 X 3 - 13230,297 X 4 + 456104,235 X 5 Berdasarkan persamaan tersebut di atas, maka dapat dijelaskan melalui penjelasan sebagai berikut: βo = nilai konstanta sebesar -134969504 menunjukkan bahwa apabila faktor Pendapatan Perkapita X 1 , Jumlah Penduduk X 2 , Tingkat 97 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Inflasi X 3 , Jumlah Kantor Bank X 4 dan Tingkat Suku Bunga X 5 konstan maka Jumlah Tabungan Masyarakat turun sebesar Rp.134969504 Milyar. β 1 = 1687,904. menunjukkan bahwa faktor Pendapatan Perkapita X 1 berpengaruh positif, dapat diartikan apabila Pendapatan Perkapita mengalami peningkatan satu juta Rupiah maka Jumlah Tabungan Masyarakat akan mengalami peningkatan sebesar Rp.1687,904 Milyar dengan asumsi X 2 , X 3, X 4 dan X 5 Konstan. β 2 = 49,089 menunjukkan bahwa faktor Jumlah Penduduk X 2 berpengaruh positif, dapat diartikan apabila ada kenaikan Jumlah Penduduk satu juta jiwa maka Jumlah Tabungan Masyarakat akan mengalami peningkatan sebesar Rp.49,089 Milyar dengan asumsi X 1 , X 3, X 4 dan X 5 Konstan. β 3 = -115996,872 menunjukkan bahwa faktor Tingkat Inflasi X 3 berpengaruh negatif, dapat di artikan apabila ada penurunan Tingkat Inflasi satu persen maka Jumlah Tabungan Masyarakat akan mengalami peningkatan sebesar Rp.115996,872 Milyar dengan asumsi X 1 , X 2, X 4 dan X 5 Konstan. β 4 = -13230,297 menunjukkan bahwa faktor Jumlah Kantor Bank X 4 berpengaruh negatif, dapat di artikan apabila setiap ada penurunan Jumlah Kantor Bank satu unit maka Jumlah Tabungan Masyarakat akan mengalami peningkatan sebesar Rp.13230,297 Milyar dengan asumsi X 1 , X 2, X 3 dan X 5 Konstan. 98 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Β 5 = 456104,235 menunjukkan bahwa faktor Tingkat Suku Bunga X 5 berpengaruh positif, dapat di artikan apabila setiap ada kenaikan Tingkat Suku Bunga satu persen maka Jumlah Tabungan Masyarakat akan mengalami peningkatan sebesar Rp.456104,235 Milyar dengan asumsi X 1 , X 2, X 3 dan X 4 Konstan R² = Koefisien diterminasi sebesar 0,969, artinya 96,9 dari seluruh pengamatan menunjukan variable bebas mampu menjelaskan variasi variabel terikatnya, sisanya 3,1 diperoleh dari 100 - 96,9 adalah dipengaruhi faktor lain yang tidak tampak pada model atau galatnya.

4.3.2 Uji Hipotesis Secara Simultan

Untuk menguji pengaruh secara simultan antara variabel bebas terhadap variabel terikat digunakan uji F hasil yang diperoleh sebagai berikut: Tabel 10: Analisis Varian ANOVA Sumber: Lampiran 3 dan 6 Sumber Varian Jumlah Kuadrat Df Kuadrat Tengah F hitung F tabel Regresi 2E+015 5 390945711300454 28,007 3,48 Sisa 1E+014 9 13959070098828 Total 2E+015 14 1. Untuk menguji pengaruh secara simultan serempak digunakan uji F dengan langkah-langkah sebagai berikut: 99 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. a. Ho :  1 =  2 =  3 =  4 =  5 = 0 Secara keseluruhan variabel bebas tidak ada pengaruh terhadap variabel terikat. Hi :  1   2   3   4   5  0 Secara keseluruhan variabel bebas ada pengaruh terhadap variabel terikat. b.  = 0,05 dengan df pembilang = 5 df penyebut = 9 c. F tabel  = 0,05 = 3,48 d. F hitung = Rata - rata kuadrat regresi Rata - rata kuadrat sisa 390945711300454 = --------------------------- = 28,007 13959070098828 e. Daerah pengujian Gambar 7. Distribusi Kriteria PenerimaanPenolakan Hipotesis Secara Simultan atau Keseluruhan 100 28,007 3,48 Daerah Penerimaan H Daerah Penolakan H tabel Sumber : Lampiran 3 dan 6 Ho diterima apabila F hitung ≤ 3,48 Ho ditolak apabila F hitung 3,48 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. f Kesimpulan Oleh karena F hitung = 28,007 F tabel = 3,48 maka Ho ditolak dan Ha diterima, yang berarti bahwa secara keseluruhan faktor–faktor variable bebas yaitu Pendapatan Perkapita X 1 , Jumlah Penduduk X 2 , Tingkat Inflasi X 3 , Jumlah Kantor Bank X 4 dan Tingkat Suku Bunga X 5 , berpengaruh secara simultan dan nyata terhadap Jumlah Tabungan Masyarakat di Surabaya Y.

4.3.3 Uji Hipotesis Secara Parsial

Uji hipotesis ini dilakukan untuk menguji pengaruh secara parsial dari variabel bebas Pendapatan Perkapita X 1 , Jumlah Penduduk X 2 , Tingkat Inflasi X 3 , Jumlah Kantor Bank X 4 dan Tingkat Suku Bunga X 5 terhadap Jumlah Tabungan Masyarakat di Surabaya Y. Hasil uji hipotesis tersebut dapat dilihat dalam tabel sebagai berikut : Tabel 11: Hasil Uji Hipotesis Secara Parsial Dari Variabel Pendapatan Perkapita X 1 , Jumlah Penduduk X 2 , Tingkat Inflasi X 3 , Jumlah Kantor Bank X 4 dan Tingkat Suku Bunga X 5 terhadap Jumlah Tabungan Masyarakat Y. Variabel t hitung t tabel r2 Parsial Pendapatan Perkapita X1 2,328 2,262 0,375 Jumlah Penduduk X2 2,409 2,262 0,391 Tingkat Inflasi X3 -1,348 2,262 0,168 Jumlah Kantor Bank X4 0,602 2,262 0,038 Tingkat Suku Bunga X5 1,487 2,262 0,197 Variabel terikat : Jumlah Tabungan Masyarakat Sumber: Lampiran 3 dan 6 101 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Selanjutnya untuk melihat ada tidaknya pengaruh masing-masing variabel terhadap variable terikatnya, dapat dianalisa melalui uji t dengan ketentuan sebagai berikut : a Pengaruh secara parsial antara Pendapatan Perkapita X 1 terhadap Jumlah Tabungan Masyarakat Y Langkah-langkah pengujian : i. Ho :  1 = 0 tidak ada pengaruh Hi :  1  0 ada pengaruh ii.  = 0,05 dengan df = 5 iii. t hitung = β Se β 1 1 = 2,328 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,262 v. pengujian Gambar 8 Kurva Distribusi Hasil Analisis secara Parsial Faktor Pendapatan Perkapita X 1 terhadap Jumlah Tabungan Masyarakat Y 102 2,262 ‐2,262 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho 2,328 Sumber : lampiran 3 Berdasarkan pehitungan diperoleh t-hitung sebesar 2,328 t-tabel sebesar 2,262 Ho ditolak, pada level signifikan 5 , sehingga secara parsial Faktor Pendapatan Perkapita X 1 berpengaruh secara nyata dan positif terhadap Jumlah Tabungan Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Masyarakat Y. Hal ini didukung juga dengan nilai signifikasi dari Pendapatan Perkapita X 1 sebesar 0,045 yang lebih kecil dari 0,05. Nilai r 2 parsial untuk variabel Pendapatan Perkapita sebesar 0,375 yang artinya bahwa Pendapatan Perkapita X 1 secara parsial mampu menjelaskan variabel terikat Jumlah Tabungan Masyarakat Y sebesar 37,5 , sedangkan sisanya 62,5 tidak mampu dijelaskan oleh variabel tersebut. b Pengaruh secara parsial antara Jumlah Penduduk X 2 terhadap Jumlah Tabungan Masyarakat Y Langkah-langkah pengujian : i. Ho :  2 = 0 tidak ada pengaruh Hi :  2  0 ada pengaruh ii.  = 0,05 dengan df = 5 iii. t hitung = β Se β 2 2 = 2,409 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,262 v. pengujian Gambar 9:Kurva Distribusi Hasil Analisis secara Parsial faktor Jumlah Penduduk X 2 Terhadap Jumlah Tabungan Masyarakat Y 103 Sumber : Lampiran 3 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho 2,409 2,262 ‐2,288 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Berdasarkan pehitungan diperoleh t-hitung sebesar 2,409 t tabel sebesar 2,262 maka Ho ditolak dan Ha di terima, pada level signifikan 5 , sehingga secara parsial Faktor Jumlah Penduduk X 2 berpengaruh secara nyata positif terhadap Jumlah Tabungan Masyarakat Y. hal ini didukung juga dengan nilai signifikasi dari Jumlah Penduduk X 2 sebesar 0,039 yang lebih kecil dari 0,05. Nilai r 2 parsial untuk variabel Jumlah Penduduk sebesar 0,391 yang artinya bahwa Jumlah Penduduk X 2 secara parsial mampu menjelaskan variabel terikat Jumlah Tabungan Masyarakat Y sebesar 39,1 , sedangkan sisanya 60,9 tidak mampu dijelaskan oleh variabel tersebut. c Pengaruh secara parsial antara Tingkat Inflasi X 3 terhadap Jumlah Tabungan Masyarakat Y Langkah-langkah pengujian : i. Ho :  3 = 0 tidak ada pengaruh Hi :  3  0 ada pengaruh ii.  = 0,05 dengan df = 5 iii. t hitung = β Se β 3 3 = -1,348 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,262 v. pengujian 104 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Gambar 10 Kurva Distribusi Hasil Analisis secara Parsial Tingkat Inflasi X 3 terhadap Jumlah Tabungan Masyarakat Y Daerah Penolakan Ho Daerah Penolakan Ho 105 Sumber : Lampiran 3 Berdasarkan pehitungan diperoleh t-hitung sebesar -1,348 t tabel sebesar 2,262 maka Ho diterima dan Ha ditolak, pada level signifikan 5 , sehingga secara parsial Faktor Tingkat Inflasi X 3 tidak berpengaruh secara nyata negatif terhadap Jumlah Tabungan Masyarakat Y. hal ini didukung juga dengan nilai signifikasi dari Tingkat Inflasi X 3 sebesar 0,211 yang lebih besar dari 0,05. Nilai r 2 parsial untuk variabel Tingkat Inflasi sebesar 0,168 yang artinya Tingkat Inflasi X 3 secara parsial mampu menjelaskan variabel terikat Jumlah Tabungan Masyarakat Y sebesar 16,8 , sedangkan sisanya 83,2 tidak mampu dijelaskan oleh variabel tersebut. d Pengaruh secara parsial antara Jumlah Kantor Bank X 4 terhadap Jumlah Tabungan Masyarakat Y Langkah-langkah pengujian : 2,262 ‐1,348 ‐ 2,262 Daerah Penerimaan Ho Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. vi. Ho :  4 = 0 tidak ada pengaruh Hi :  4  0 ada pengaruh vii.  = 0,05 dengan df = 5 viii. t hitung = β Se β 4 4 = -0,602 ix. level of significani = 0,052 0,025 berarti t tabel sebesar 2,262 x. pengujian Gambar 11:Kurva Distribusi Hasil Analisis secara Parsial Jumlah Kantor Bank X 4 terhadap Jumlah Tabungan Masyarakat Y Daerah Penolakan Ho Daerah Penolakan Ho 106 Sumber : Lampiran 3 Berdasarkan pehitungan diperoleh t-hitung sebesar -0,602 t tabel sebesar 2,262 maka Ho di terima dan Ha di tolak, pada level signifikan 5 , sehingga secara parsial Faktor Jumlah Kantor Bank X 4 tidak berpengaruh secara nyata negatif terhadap Jumlah Tabungan Masyarakat Y. hal ini didukung juga dengan nilai signifikasi dari Jumlah Kantor Bank X 4 sebesar 0,562 yang lebih besar dari 0,05. Nilai r 2 parsial untuk variabel Jumlah Kantor Bank sebesar 0,038 yang artinya Jumlah Kantor Bank X 4 secara parsial mampu menjelaskan variabel terikat Jumlah Tabungan Masyarakat Y 2,262 ‐0,602 ‐ 2,262 Daerah Penerimaan Ho Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. sebesar 3,8 , sedangkan sisanya 96,2 tidak mampu dijelaskan oleh variabel tersebut. e Pengaruh secara parsial antara Tingkat Suku Bunga X 5 terhadap Jumlah Tabungan Masyarakat Y Langkah-langkah pengujian : xi. Ho :  4 = 0 tidak ada pengaruh Hi :  4  0 ada pengaruh xii.  = 0,05 dengan df = 5 xiii. t hitung = β Se β 4 4 = 1,487 xiv.level of significani = 0,052 0,025 berarti t tabel sebesar 2,262 xv. pengujian Gambar 12:Kurva Distribusi Hasil Analisis secara Parsial Tingkat Suku Bunga X 5 terhadap Jumlah Tabungan Masyarakat Y Daerah Penolakan Ho Daerah Penolakan Ho Daerah Penerimaan Ho 1,487 ‐ 2,262 2,262 107 Sumber : Lampiran 3 Berdasarkan pehitungan diperoleh t-hitung sebesar 1,487 t tabel sebesar 2,262 maka Ho di terima dan Ha di tolak, pada level signifikan 5 , sehingga secara parsial Faktor Tingkat Suku Bunga X 5 tidak berpengaruh secara nyata positif terhadap Jumlah Tabungan Masyarakat Y. hal ini didukung juga dengan nilai Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. signifikasi dari Tingkat Suku Bunga X 5 sebesar 0,171 yang lebih besar dari 0,05. Nilai r 2 parsial untuk variabel Tingkat Suku Bunga sebesar 0,197 yang artinya Tingkat Suku Bunga X 5 secara parsial mampu menjelaskan variabel terikat Jumlah Tabungan Masyarakat Y sebesar 19,7 , sedangkan sisanya 80,3 tidak mampu dijelaskan oleh variabel tersebut. Kemudian untuk mengetahui variabel mana yang berpengaruh paling dominan empat variabel bebas terhadap Jumlah Tabungan Masyarakat : Pendapatan Perkapita X 1 , Jumlah Penduduk X 2 , Tingkat Inflasi X 3 , Jumlah Kantor Bank X 4 dan Tingkat Suku Bunga X 5 dapat diketahui dengan melihat koefisien determinasi parsial yang paling besar, dimana dalam perhitungan ditunjukkan oleh variabel Jumlah Penduduk dengan koefisien determinasi parsial r 2 sebesar 0,391 atau sebesar 39,1 .

4.4 Pembahasan