SMA ataupun Diploma. Hal itu kemungkinan karena kebanyakan pegawai negri di Kota Panyabungan adalah tamatan sarjana sehingga ketika peneliti
meneliti kebanyakan pendidikan responden tamatan sarjana. 4.
Golongan
Tabel 4.4 GolonganResponden
Golongan Jumlah
Persentase II a - II d
13 30,23
IIIa - IIId 28
65,12 IVa – IVd
2 4,65
Jumlah 43
100
Sumber: Diolahdari data primer
Dari hasil penelitian ditemukan bahwa diantara 43 responden, 13 diantaranya golongan IIa-IId, 28 diantaranya lagi golongan IIIa-IIId,
sedangkan 2 orang dengan golongan IVa-IVd. Hal ini menunjukkan bahwa responden dengan golongan IIIa-IIId lebih banyak meminta kredit dari pada
golongan IIa-IId sedangkan golongan Iva-IVd hanya sebanyak 2 orang.
4.2 AnalisisStatistik
4.2.1 Uji Asumsi Klasik
1. Uji Multikolenaritas
Pengujian multikolinieritas bertujuan untuk mengetahui hubungan yang sempurna antar variabel bebas dalam model regresi. Gejala
multikolinieritas dapat dilihat dari nilai tolerance dan nilai Varian Inflation
Factor VIF. Bila nilai VIF lebih kecil dari 10 dan nilai toleransinya di atas 0,1 atau 10 maka dapat disimpulkan bahwa model regresi tersebut tidak
terjadi multikolinieritas priyatno, 2013. Dari table Coefficients dapat diketahui bahwa nilai tolerance dari
ketiga variable independen lebih dari 0,1 dan VIF kurang dari 10, jadi dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah
multikolinearitas. Coefficientsa
Model Unstandardized
Coefficients Standardiz
ed Coefficien
ts
t Sig.
Collinearity Statistics
B Std. Error Beta
Toleranc e
VIF 1 Consta
nt 1.186
.351 3.380
.002 P
.086 .075
.139 1.158
.254 .876
1.141 JK
.017 .041
.055 .415
.680 .722
1.384 A
6.210E-7 .000 .631
4.554 .000
.660 1.515
Gambar 4.1 HasilUji Multikolinearitas.
Dapatkitanilaitolerancedan VIF dari variable pendapatan P adalah sebesar 0,876 dan 1,141, sedangkan untuk variablejangka waktuJK sebesar
0,722 dan 1,384 danuntuk variable asuransi Asebesar 0,660 dan1,515. Oleh karena itu, dapat disimpulkan bahwa dalammodelini tidak terdapatmasalah
multikolinearitas antara beberapa variabel bebaskarenanilaitoleranceberada di bawah1 dan nilai VIF berada di bawah angka 10.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual, dari satu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika varians
berbeda, disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Untuk mendeteksi ada tidaknya heterokedastisitas
dapat digunakan metode grafik Scatterplot yang dihasilkan dari output program SPSS versi 22, Apabila pada gambar menunjukkan bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawahangka 0 pada sumbu Y, maka hal ini dapat disimpulkan tidak terjadi adanya
heterokedastisitas pada model regresi.
Gambar 4.2 Hasil Pengujian Heterokedastisitas
Dari grafik tersebut terlihat titik-titik yang menyebar secara acak, tidak membentuk suatu pola tertentu yang jelas, serta tersebar baik di atas maupun
di bawah angka 0 nol pada sumbu Y, hal ini berarti tidak terjadi penyimpangan asumsi klasik heterokedastisitas pada model regresi yang
dibuat, dengan kata lain menerima hipotesis homoskedastisitas. 3.
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variable bebas dan variabel terikat, keduanya terdistribusikan secara normal ataukah tidak. Normalitas data dalam penelitian dilihat dengan cara
memperhatikan titik-titik pada Normal P-Plot of Regression Standardized Residual dari variabel terikat. Persyaratan dari uji normalitas adalah jika data
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari
garis diagonal danatau tidak mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.3 Hasil Pengujian Normalitas
Dari gambar tersebut didapatkan hasil bahwa semua data berdistribusi secaranormal, sebaran data berada disekitar garis diagonal.
4.2.2 Analisis Persamaan Regresi Linear Berganda
