65
Tabel 4.6 Uji Multikolinearitas berdasarkan nilai VIF dan Tolerance
Coefficients
a
.598 1.673
.575 1.738
.140 7.121
.150 6.651
.238 4.210
.246 4.070
.393 2.547
CR LDR
Primary Ratio CAR
NPM ROA
Asset Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Jumlah Kredit Modal Kerja a.
Sumber : Data sekunder yang diolah
Dari tabel 4.6 diatas dapat dilihat bahwa setiap variabel independen memiliki nilai tolerance 0.1 dan masing-masing variabel tersebut juga memiliki
nilai VIF 10. Jadi dapat dipastikan bahwa penelitian ini terbebas dari masalah multikolinearitas.
4.1.3.1.3 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya Ghozali, 2005. Cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan uji Durbin Watson D-W
test. Hasil perhitungan uji Durbin Watson yang ada akan dibandingkan dengan nilai tabel dari Durbin Watson.
Dasar pengambilan keputusannya adalah Nugroho, 2005:60: a. Angka D-W di bawah -2 berarti ada autokorelasi positif.
b. Angka D-W diantara -2 sampai 2 berarti tidak ada autokorelasi.
66
c. Angka D-W diatas 2 berarti ada autokorelasi. Untuk penelitian ini, hasil pengujian autokorelasi dapat dilihat pada tabel
4.7 berikut :
Tabel 4.7 Hasil Uji Autokorelasi
Model Summary
b
1.954 Model
1 Durbin-
Watson Dependent Variable: Jumlah Kredit Modal Kerja
b.
Sumber : Data Diolah, 2011
Hasil perhitungan uji Durbin Watson yang diperoleh adalah sebesar 1.954 yang terletak antara –2 dan +2. Dari hasil perhitungan diatas, dapat dinyatakan
bahwa penelitian ini bebas dari masalah autokorelasi.
4.1.3.1.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain.
Jika varians dan residual dari satu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas dan model yang baik adalah yang sifatnya
homokedastisitas. Pengujian untuk melihat ada atau tidaknya heterokedastisitas dapat dilakukan dengan melihat scatterplot antara nilai prediksi variabel terikat
ZPRED dengan residual SRESID. Jika titik–titik pada scatterplot tersebut membentuk pola tertentu yang teratur misalnya bergelombang, melebar,
kemudian menyempit, maka dapat diindikasikan telah terjadi heterokedastisitas. Hasil pengujian heterokedastisitas yang dilakukan terhadap penelitian ini dapat
dilihat pada gambar 4.3 berikut ini :
67
Gambar 4.3 Hasil Uji Heterokedastisitas
Regression Standardized Predicted Value
3 2
1 -1
-2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
3 2
1
-1 -2
Scatterplot Dependent Variable: Jumlah Kredit Modal Kerja
Sumber : Data Sekunder yang diolah, 2011
Berdasarkan scatterplot diatas terlihat bahwa titik–titik menyebar secara acak serta tersebar diatas maupun dibawah angka 0 pada sumbu Y. Maka dapat
disimpulkan bahwa dalam model regresi ini tidak terjadi heterokedastisitas. Selain dengan analsiis scatterplot diatas, pengujian juga dilakukan
terhadap model regresi untuk mengetahui ada tidaknya masalah heterokedastisitas dengan menggunakan uji Glesjer. Analisis secara statistik ini diperlukan karena
dari analisis scatterplot memiliki kelemahan yaitu jumlah sampel yang diamati akan mempengaruhi hasil ploting. Uji Glesjer ini dilakukan dengan meregress
nilai absolut residual terhadap variabel independen. Untuk analisis lebih lanjut maka dapat dilihat dari hasil uji Glesjer pada tabel 4.8 berikut :
68
Tabel 4.8 Hasil Uji Glesjer
Coefficients
a
-.026 .975
-.027 .979
-.007 .005
-.232 -1.295
.203 -.008
.011 -.145
-.793 .433
-.065 .096
-.253 -.683
.499 .107
.065 .589
1.646 .108
.005 .035
.044 .155
.878 -.494
.333 -.415
-1.484 .146
.159 .069
.512 1.314
.126 Constant
CR LDR
Primary Ratio CAR
NPM ROA
Asset Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: AbsUt a.
Sumber : Data Sekunder yang diolah, 2011
Dari hasil uji Glesjer diatas diketahui bahwa tingkat signifikan seluruh variable independen berada diatas nilai 0,05. Maka hal ini membuktikan bahwa
penelitian ini bebas dari masalah heterokedastisitas.
4.1.3.2 Analisa Regresi Berganda