Uji Multikolinieritas Uji Heteroskedastisitas Uji Autokorelasi

85 lainnya juga ikut naik. Dibawah ini akan dilihat korelasi antar variabel dengan menggunakan metode Pearson : Tabel 12. Correlation Correlations 1.000 -.120 .429 .541 -.120 1.000 .064 -.203 .429 .064 1.000 .872 .541 -.203 .872 1.000 . .263 .009 .001 .263 . .369 .141 .009 .369 . .000 .001 .141 .000 . 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 Y X1 X2 X3 Y X1 X2 X3 Y X1 X2 X3 Pearson Correlation Sig. 1-tailed N Y X1 X2 X3 Sumber : Lampiran 2.2 Dari tabel diatas dapat disimpulkan sebagai berikut, bahwa menurut korelasi dengan metode Pearson bahwa hubungan antara tingkat suku bunga dengan jumlah kredit mempunyai hubungan negatif dengan korelasi sebesar 0,12, kemudian untuk hubungan nilai tukar rupiah terhadap jumlah kredit mempunyai hubungan positif dengan korelasi sebesar 42,9, dan hubungan ekspor dengan jumlah kredit berhubungan positif dengan korelasi sebesar 54,1.

4.3.2. Pengujian Asumsi Klasik

4.3.2.1. Uji Multikolinieritas

Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation 86 Factor VIF. Dari hasil pengujian terhadap gejala mulitikolinieritas diperoleh hasil sebagai berikut : Tabel 13. Hasil Uji Multikolinieritas Coefficients a 1E+008 2E+008 .741 .465 927708.9 4057343 .044 .229 .821 .718 1.393 -12553.3 2098.646 -.220 -.568 .575 .180 5.567 426329.6 226712.6 .741 1.880 .071 .173 5.783 Constant X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: Y a. Sumber : Lampiran 2.3 Berdasarkan hasil pengujian dapat diketahui bahwa nilai VIF seluruh variabel bebas dalam penelitian ini lebih kecil dari 10, artinya seluruh variabel bebas pada penelitian ini tidak terjadi gejala multikolinier Ghozali, 2001:57.

4.3.2.2. Uji Heteroskedastisitas

Pada regresi linier, nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas dimana nilai probabilitas yang diperoleh harus lebih besar dari 0,05. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel independen atau yang menjelaskan dimana nilai signifikansi yang diperoleh harus lebih besar dari 0,05. 87 Hasil pengujian heteroskedastisitas pada penelitian ini dapat dilihat pada tabel berikut ini : Tabel 14. Hasil Pengujian Heteroskedastisitas No Variabel Nilai mutlak dari residual Taraf Signifikansi 1. Tingkat Suku Bunga X 1 0,200 0,289 2 Nilai Tukar Rupiah X 2 0,100 0,599 3 Ekspor X 3 -0,016 0,932 Sumber : Lampiran 2.4 Berdasarkan tabel diatas dapat diketahui bahwa, tingkat signifikan koefisien Rank Spearman untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak terjadi heteroskedastisitas.

4.3.2.3. Uji 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, 1999:201. Jadi dalam model regresi linear diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residual Y observasi – Y prediksi pada waktu ke-t e t tidak boleh ada hubungan dengan nilai residual periode sebelumnya e t-1 . Identifikasi ada atau tidaknya gejala auto korelasi data dites dengan menghitung nilai Dulbin Watson d tes dengan persamaan : 88 d =           N t 1 t 2 t N t 2 t 2 1 t t e e e Keterangan : d = nilai Durbin Watson e t = residual pada waktu ke-t e t-1 = residual pada waktu ke-t-1 satu periode sebelumnya N = banyaknya data Dalam penelitian ini, besarnya Durbin Watson setelah dianalisis adalah 1,370 lampiran 2.3. Untuk mengetahui adanya gejala autokorelasi maka perlu dilihat tabel Durbin Watson dengan jumlah variabel bebas K = 3 sedangkan jumlah pengamatan 30 maka diperoleh dl = 1,214 dan du = 1,650. lampiran 6 Selanjutnya nilai tersebut diplotkan ke kurva Durbin Watson dibawah ini : Gambar 4. Distribusi Daerah Keputusan Autokorelasi Daerah keragu-raguan Daerah Keragu-raguan A d a Au toko relasi Po sitif A d a Au toko relasi negat if Ti ak Ada d Au okorelasi t D.W = 1,370 4-dl = 2,786 4-du = 2,35 dl = 1,214 du = 1,650 Berdasarkan gambar diatas dapat diketahui bahwa distribusi daerah penentuan keputusan dimulai dari 0 nol sampai 4 empat. Dan 89 dapat disimpulkan karena nilai dari analisis sebesar 1,370 berada pada daerah keragu-raguan sehingga dapat diputuskan bahwa telah terbebas dari penyimpangan autokorelasi. Dari hasil pengujian yang telah dilakukan dapat disimpulkan bahwa model analisis regresi linier berganda tersebut telah bebas dari penyimpangan-penyimpangan asumsi klasik, yaitu bebas dari penyimpangan heteroskedastisitas, multikolinieritas dan autokorelasi sehingga layak untuk dilakukan pengujian regresi linier berganda.

4.3.3. Hasil Pengujian Regresi Linier Berganda