Februari 10.122
1.79 2.82
90.49 78.39
16.06 Maret
10.039 1.83
2.76 87.13
77.77 16.03
April 10.349
1.79 2.85
95.39 77.77
15.88 Mei
10.482 1.99
2.93 97.95
76.24 15.82
2012
Juni 10.904
2.05 2.88
98.59 75.74
16.02 Juli
11.023 2.05
2.92 99.91
75.87 15.76
Agustus 11.180
2.04 2.78
101.03 75.89
16.08 September
11.359 2.07
2.74 102.10
75.44 15.94
Oktober 11.438
2.11 2.58
100.84 75.04
15.95 November
11.527 2.09
2.50 101.19
75.29 15.72
Desember 12.023
2.14 2.22
100.00 74.75
14.90 Januari
12.027 2.52
2.49 100.63
70.43 16.10
Februari 12.056
2.29 2.72
102.17 72.06
15.78 Maret
12.102 2.39
2.75 102.62
72.95 15.77
April 12.026
2.29 2.85
103.08 73.95
15.61 Mei
12.168 2.07
2.92 102.08
76.87 15.49
2013 Juni
12.629 2.10
2.64 104.43
76.18 14.93
Juli 13.281
2.02 2.75
104.83 76.13
16.03 Agustus
13.299 2.01
3.01 102.53
77.87 15.35
September 13.364
2.04 2.80
103.27 77.98
15.04 Oktober
13.664 1.94
2.96 103.03
79.06 15.19
November 13.878
1.96 3.08
102.58 78.59
14.55 Desember
13.625 2.00
2.62 100.32
78.21 14.40
Sumber: Statistik Perbankan Syariah, data diolah
1. Uji Normalitas
Dalam penelitian ini, penulis menggunakan metode One Sample Kolmogorov-Smirnov
untuk uji normalitas data. Cara mendeteksi
normalitas data dengan metode One Sample Kolmogorov-Smirnov adalah dengan melihat nilai signifikansi residual. Jika signifikansi lebih dari 0,05
maka residual terdistribusi secara normal.
2
2
Duwi Priyatno, Mandiri Belajar Analisis Data dengan SPSS Yogyakarta: Mediakom, 2013, h. 51.
Hasil uji
normalitas dengan
menggunkan One
Sample Kolmogorov-Smirnov dapat dilihat pada tabel hasil output SPSS berikut
ini:
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .48463332
Most Extreme Differences Absolute
.098 Positive
.098 Negative
-.065 Kolmogorov-Smirnov Z
.680 Asymp. Sig. 2-tailed
.744 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil pengolahan data dari SPSS Berdasarkan tabel 4.2 dapat diketahui bahwa nilai signifikansi
Asymp. Sig. 2-tailed adalah sebesar 0,744. Karena nilai signifikansi lebih besar dari 0,05 maka residual terdistribusi secara normal. Dengan
demikian, data variabel independen ROA, NPF, FDR, BOPO dan TBH dan variabel dependen pembiayaan mudharabah merupakan data yang
berdistribusi secara normal.
2. Uji Multikolinieritas
Untuk menguji apakah antara variabel-variabel independen yang digunakan mempunyai kolinieritas yang tinggi atau tidak digunakan nilai
Variance Inflation Factor VIF dan Tolerance. Jika VIF kurang dari 10 dan
Tolerance lebih dari 0,1 maka model regresi bebas dari
multikolinearitas. Hasil uji multikolinearitas terhadap nilai Tolerance dan Variance Inflation Factor VIF dapat dilihat pada tabel hasil output SPSS
berikut ini:
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Tingkat Bagi Hasil 1.000
1.000 2
Constant Tingkat Bagi Hasil
.649 1.541
Financing to Deposit Ratio .649
1.541 3
Constant Tingkat Bagi Hasil
.236 4.235
Financing to Deposit Ratio .612
1.634 Non Performing Financing
.313 3.195
a. Dependent Variable: Pembiayaan Mudharabah
Sumber: Hasil pengolahan data dari SPSS, lampiran 4 Pada hasil uji multikolonieritas diketahui tidak ada satupun
variabel independen yang memiliki nilai Tolerance kurang dari 0,10 dan
nilai Variance Inflation Factor VIF tidak ada yang lebih dari 10. Sehingga dapat disimpulkan bahwa tidak terjadi multikolonieritas.
3. Uji Autokorelasi
