BAB V HASIL PENELITIAN DAN PEMBAHASAN
A. Analisis dan Hasil Regresi
Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu time series mulai dari Januari 2013 sampai
Desember 2015. Hasil pengolahan data ini menggunakan regresi linier berganda dengan metode OLS Ordinary Least Square. Berikut ini
adalah hasil pengolahan data menggunakan regresi berganda dengazn metode OLS Ordinary LeastSquare. Langkah pertama yang dilakukan
adalah:
a. Uji Asumsi Klasik
1 Uji Normalitas
Uji normalitas yang digunakan dalam penelitian ini adalah menggunakan uji Jarque Bera dengan melihat nilai
probability. Jika nilai probability lebih besar dari nilai derajat kesalahan α = 5 0.05, maka penelitian ini tidak ada
permasalahan normalitas atau dengan kata lain data terdistribusi normal. Dan sebaliknya, jika nilai probability lebih kecil dari
nilai derajat kesalaan α = 5 0,05, maka dalam penelitian ada permasalahan normalitas atau data tidak terdistribusi dengan
normal. Setelah data diolah dengan menggunakan aplikasi Eviews 7.0 maka terlihat hasilnya sebagai berikut.
a. Pengujian Normalitas pada Bank BPD Syariah DIY
Gambar 1. Uji Normalitas pada Bank BPD Syariah DIY
Interpretasi : Dari output di atas, dapat disimpulkan bahwa residual
dari model berdistribusi normal. Hal ini terlihat dari bentuk histogram, nilai skewness, nilai kurtosis, maupun berdasarkan
Uji Jarque-Bera p-value = 0,433963 α = 0,05.
b . Pengujian Normalitas pada Bank Muamalat Indonesia
Gambar 2.Uji Normalitas pada Bank Muamalat
1 2
3 4
5 6
-799999 -399999
1 400001
800001
Series: Residuals Sample 2013M01 2015M12
Observations 36
Mean -3.22e-08
Median 107474.1
Maximum 891879.8
Minimum -752698.0
Std. Dev. 454062.1
Skewness -0.028985
Kurtosis 1.946577
Jarque-Bera 1.669591
Probability 0.433963
Interpretasi: Dari output di atas, dapat disimpulkan bahwa residual dari
model berdistribusi normal. Hal ini terlihat dari bentuk histogram, nilai skewness, nilai kurtosis, maupun berdasarkan
Uji Jarque-Bera p-value = 0,870540 α = 0,05.
2 Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui ada tidakny hubungan korelasi yang signifikan di antara dua atau
lebih variabel independen dalam model regresi. Deteksi adanya multikolinieritas dilakukan dengan menggunakan uji korelasi
parsial antar variabel independen, kemudian dapat diputuskan apakah data terkena multikolinieritas atau tidak, yaitu dengan
menguji koefisien korelasi antar variabel independen. Suatu model regresi yang baik adalah tidak terjadi multikolinieritas
antar variabel independen dengan variabel dependen Gujarati, 2007:67. Setelah diolah menggunakan aplikasi Eviews 7.0 maka
terlihat hasil sebagai berikut.
1 2
3 4
5 6
7 8
-1999998 -999998
3 1000003
2000003
Series: Residuals Sample 2013M01 2015M12
Observations 36 Mean
-2.58e-08 Median
-54066.81 Maximum
1928880. Minimum
-1863609. Std. Dev.
917865.7 Skewness
-0.041516 Kurtosis
2.578145 Jarque-Bera
0.277283 Probability
0.870540