Dimana: Y
= Penyaluran Kredit a
= Konstanta b
1
, b
2
, b
3,
b
4
= Koefisien Regresi Variabel Bebas X
1
= Dana Pihak Ketiga X
2
= Capital Adequacy Ratio X
3
= Non Performing Loan X
4
=
Return On Assets
e = Standard Error
3.9 Regresi Dummy
Regresi Linier tidak hanya terbatas digunakan untuk memodelkan hubungan dimana variabel bebas X bertipe data interval atau rasio saja. Regresi
linier juga memungkinkan bila digunakan untuk melakukan analisis data bila variabel bebasnya X bertipe data nominal. Teknik semacam ini dikenal dengan
nama regresi variabel dummy. Pada regresi logistic, variabel Y berkategori 1,0 atau datanya nominal. Dalam analisis regresi berganda dengan variabel dummy,
tidak semua kategori dalam variabel dummy dilibatkan analisis regresi. Jika jumlah kategori lebih dari 2 maka jumlah kategori yang kita libatkan adalah k-1
k=jumlah kategori. Misalnya jumlah kategori adalah 4, maka jumlah kategori
yang kita libatkan adalah 4-1 = 3 kategori.
Y = α + b
1
X
1 +
b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ D + e Dimana:
Y = Penyaluran Kredit
a = Konstanta
b
1
, b
2
, b
3,
b
4
= Koefisien Regresi Variabel Bebas X
1
= Dana Pihak Ketiga
Universitas Sumatera Utara
X
2
= Capital Adequacy Ratio X
3
= Non Performing Loan X
4
=
Return On Assets D
= Dummy
e = Standard Error
3.10 Uji Asumsi Klasik
Data yang digunakan adalah data sekunder, oleh karena itu untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi
klasik yang digunakan yaitu: Uji Normalitas, Uji Multikolonieritas, Uji Heterokedastisitas dan Autokorelasi yang secara rinci dapat dijelaskan sebagai
berikut:
3.10.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variable terikat dan variabel bebas memiliki distribusi normal atau tidak. Model
regresi yang baik memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel terikat berdistribusi normal atau tidak yaitu dengan
analisis grafik. Sedangkan normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik non - parametrik Kolmogorof - Smirnov K-S. Suatu
variabel dikatakan terdistribusi normal jika nilai signifikansinya 0,05 Ghozali, 2009.
Uji normalitas dalam penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik atau dengan melihat histogram dari residualnya:
Universitas Sumatera Utara
1. Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal regresi memenuhi
asumsi nor malitas. 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.10.2. Uji Multikoliniearitas
Uji Multikolonieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009. Untuk mendeteksi ada atau tidaknya multikolonieritas didalam
model regresi antara lain dapat dilakukan dengan melihat: 1 Cadangan matrik melalui uji korelasi parsial, artimya jika hubungan antar
variabel independen relative rendah, lebih kecil dari 0,80 maka tidak terjadi multikolonieritas.
2 Dengan nilai toleransi TOL dan factor inflasi varians variance inflation factor, VIF. Jika toleransi sama dengan satu atau mendekati satu dan nilai
VIF 10 maka tidak ada gejala multikolinieritas. Sebaliknya jika toleransi tidak sama dengan satu atau mendekati nol dan nilai VIF 10 maka diduga
ada gejala multikolonieritas.
Universitas Sumatera Utara
3.10.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain berbeda maka disebut heteroskedastisitas Ghozali, 2009.
Dasar analisis untuk pengambilan keputusannya adalah : 1 Jika ada titik-titik yang membentuk pola tertentu yang teratur bergelombang,
melebar kemudian menyempit maka mengidentifikasikan telah terjadi heterokedasitas.
2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas.
Metode yang dapat dipakai untuk mendeteksi gejala heterokedastisitas antara lain: metode grafik, park glejser, rank spearman dan barlett. Dalam
penelitian ini metode yang digunakan untuk mendeteksi gejala heteroskedasitas dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya heteroskedasitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara ZPRED
dan SRESID dimana sumbu Y adalah Y yangtelah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang terletak diStudentized.
3.10.4. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
Universitas Sumatera Utara
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2009.
Pada data cross section silang waktu masalah autokorelasi relative jarang terjadi karena gangguan pada observasi berbeda berasal dari individukelompok
yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Untuk mendeteksi ada atau tidaknya autokorelasi didalam model regresi antara lain dapat dilakukan dengan Uji Durbin - Watson DW Test, dengan
ketentuan sebagai berikut: H
: tidak ada autokorelasi r = 0 H
a
: ada autokorelasi r ≠ 0
Kriteria pengujiannya adalah : a. Jika nilai D-W dibawah 0 sampai 1,5 berarti ada autokorelasi positif
b. Jika nilai D-W diantara 1,5 sampai 2,5 berarti tidak ada autokorelasi c. Jika nilai D-W diatas 2,5 sampai 4 berarti ada autokorelasi negative.
3.11. Pengujian Hipotesis
