61
4. Respon Masyarakat Non Muslim terhadap LKMS yang dipengaruhi
faktor Lokasi
Berdasarkan lampiran 1.8 menunjukkan bahwa 20.9 Masyarakat Non Muslim di Depok tidak setuju bahwa lokasi LKMS mudah dijangkau dengan
kendaraan umum, 11.6 Masyarakat Non Muslim di Depok ragu-ragu bahwa lokasi LKMS mudah dijangkau dengan kendaraan umum, dan 67.4 Masyarakat Non
Muslim di Depok sangat setuju bahwa lokasi LKMS mudah dijangkau dengan kendaraan umum.
Lampiran 1.9 menunjukkan bahwa 25.6 Masyarakat Non Muslim di Depok setuju bahwa lokasi LKMS mudah dijangkau dengan kendaraan pribadi, dan 74.4
Masyarakat Non Muslim di Depok sangat setuju bahwa lokasi LKMS mudah dijangkau dengan kendaraan pribadi. Dari hasil kesimpulan tabel di atas adalah lokasi
kantor LKMS masih lebih mudah dijangkau lokasinya oleh nasabah dengan menggunakan kendaraan pribadi.
5. Respon Masyarakat Non Muslim terhadap LKMS yang dipengaruhi
faktor Syariah
62
Tabel 4.7 LKMS dari Sudut Pandang Agama
Berdasarkan tabel di atas 46.5 Masyarakat Non Muslim di Depok menyatakan sangat setuju memilih LKMS tidak berdasarkan sudut pandang agama,
41.9 Masyarakat Non Muslim di Depok menyatakan setuju memilih LKMS tidak berdasarkan sudut pandang agama, dan 11.6 Masyarakat Non Muslim di Depok
menyatakan ragu-ragu. Berdasarkan lampiran 1.10 32.6 Masyarakat Non Muslim menyatakan ragu-
ragu bahwa LKMS sudah terbebas dari sistem bunga, 39.5 Masyarakat Non Muslim di Depok setuju bahwa LKMS sudah terbebas dari sistem bunga, dan 27.9
Masyarakat Non Muslim di Depok sangat setuju bahwa LKMS sudah terbebas dari sistem bunga.
46,5
41,9 11,6
LKMS dari Sudut Pandang Agama
Sangat Setuju Setuju
Ragu-ragu
63
6. Uji Asumsi Klasik
a. Uji Heterokedastisitas Uji Heterokedatisitas menujukkan bahwa varians variabel tidak sama untuk
semua pengamatan. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas. Model regresi yang baik adalah yang
homokedastisitas atau tidak terjadi heterokedastisitas karena data cross section memiliki data yang mewakili berbagai ukuran kecil, sedang dan besar.
Salah satu cara untuk melihat problem heterokedastisitas adalah dengan melihat grafik plot . Cara menganalisisnya:
a. Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, jika terjadi maka
mengindikasikan terdapat heterokedatisitas. b. Jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar diatas
dan dibawah angka 10 pada sumbu Y maka mengidentifikasi tidak terjadi heterokedastisitas.
64
Gambar 4.8 Heterokedastisitas
Gambar tabel diatas menunjukkan bahwa penyebaran nilai – nilai residual
menyebar diatas dan dibawah angka 10 pada sumbu Y, dan terlihat plot yang terpencar dan tidak membentuk pola tertentu. Dengan demikian, dapat disimpulkan
tidak terjadi gejala heterokedastisitas. b. Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Untuk mengetahui bentuk kenormalan distribusi data salah satu cara yang dapat kita
gunakan yaitu grafik distribusi dengan ketentuan, data terdistribusi secara normal akan mengikuti pola distribusi normal dimana bentuk grafiknya mengikuti bentuk
lonceng. Selain itu uji normalitas data dilakukan pula dengan melihat hasil grafik P Plot, yaitu :
65
Jika titik-titiknya mendekati garis diagonal berarti memenuhi asumsi Normal.
Jika titik-titiknya menjauhi garis diagonal berarti tidak memenuhi asumsi Normal.
Gambar 4.9 Normalitas
Berdasarkan gambar tabel di atas menunjukkan bahwa nilai P Plot terletak disekitar garis diagonal. P Plot tidak menyimpang jauh dari garis diagonal, sehingga
bisa diartikan bahwa distribusi data adalah normal, sehingga bisa dilakukan regresi dengan model linier berganda.
c. Uji Autokorelasi Uji Autokorelasi merupakan menguji tentang ada tidaknya korelasi antara
kesalahan pengganggu pada periode t dengan periode t-1 pada persamaan regresi linier. Problem autokorelasi mungkin terjadi pada data time series data runtut
66
waktu, sedangkan pada data crossection silang waktu masalah autokorelasi jarang terjadi. Model regresi yang baik selayaknya bebas dari autokorelasi.
Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Metode pengujian yang sering digunakan adalah pengujian uji Durbin-
Watson uji DW. Nilai Uji statistik Durbin-Watson berkisar antara 0 dan 4. Sebagai pedoman umum, bila nilai uji statistik Durbin-Watson 1 atau 3, maka residual
atau error dari model regresi berganda terjadi autokorelasi.
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .708
a
.501 .434
.6952938 1.142
a. Predictors: Constant, SKORSYARIAH, SKORPELAYANAN, SKORPRODUK, SKORLOKASI, SKORSOSIAL
b. Dependent Variable: SKORRESPON
Sebagaimana teori di atas Durbin Watson, dari hasil pengujian dengan menggunakan uji Durbin Watson atas residual persamaan regresi diperoleh angka d
hitung sebesar 1.142, disini berarti bahwa model regresi berganda dikatakan tidak terjadi autokorelasi.
7. Uji Hipotesis