Respon Masyarakat Non Muslim terhadap LKMS yang dipengaruhi Respon Masyarakat Non Muslim terhadap LKMS yang dipengaruhi Uji Asumsi Klasik

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