Uji Normalitas Anaslisis dan Pembahasan

101 independen dalam suatu model menyebabkan terjadinya korelasi yang sangat kuat antara satu variabel independen dengan satu variabel yang lain. Selain itu, deteksi terhadap uji multikolieneritas juga bertujuan untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Mengukur multikolinieritas dapat dilihat dari nilai Tolerance dan Variance InflationFactor VIF. Tolerance mengukur variabilitas variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance. Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinieritas adalah nilai tolerance0,010 atau sama dengan VIF 10. Berikut ini adalah hasil dari uji Multikolinieritas: Tabel 4.7. Uji Multikolineritas dengan Nilai Tolerance dan VIF Variance Inflation Factor 102 Berdasarkan tabel 4.7 di atas, nilai Tolerance variabel bebas inflasi = 0,964, BI Rate = 0,322, pertumbuhan pembiayaan = 0,721, dan ukuran bank = 0,395. Sedangkan nilai VIF variabel bebas Inflasi = 1,037, BI rate = 3,108, pertumbuhan pembiayaan = 1,387, dan ukuran bank = 2,535. Dapat disimpulkan bahwa model regresi dinyatakan bebas dari multikolineritas karena nilai tolerance 0,01 dan nilai VIF 10.

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu time series atau ruang cross section. Salah satu penyebab munculnya masalah otokorelasi adalah adanya kelembaman inertia yang artinya kemungkinan besar akan mengandung saling ketergantungan interdependence pada data observasi periode sebelumnya dan periode sekarang.Salah satu ukuran dalam menentukan ada tidaknya masalah otokorelasi adalah dengan menguji Durbin-Watson DW. Berikut ini adalah hasil uji aotokorelasi dengan metode Durbin-Watson DW pada tabel di bawah ini: Tabel 4.8. Uji Durbin-Watson DW Model Durbin-Watson 1 1,864 103 Berdasarkan pada tabel 4.8. di atas, nilai Durbin-Watson DW sebesar 1,864. Maka dapat disimpulkan pada model regresi ini tidak terdapat gejala autokorelasi karena nilai DW diantara du d 4-du atau 1,7323 1,864 2,136.

d. Uji Heterokedastisitas

Heterokedastisitas yaitu kondisi di mana semua residual atau error mempunyai varian yang berubah-ubah atau tidak konstan. Untuk mengetahui apakah suatu data bersifat heterokedastisitas atau tidak, maka perlu pengujian. Pengujian heterokedastisitas dalam pada penelitian ini menggunakan metode analisis grafik scatterplot dan metode park. Berikut hasil dari metode yang dilakukan: 1 Grafik Scatterplot Ada atau tidaknya heterokedatisitas pada suatu model dapat dilihat dari pola gambar scatterplot model tersebut. Analisis pada gambar scatterplot yang menyatakan model regresi linear berganda tidak terdapat heterokedatisitas jika: a Titik-titik menyebar di atas dan di bawah atau di sekitar angka 0. b Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.