3. Dari tabel tersebut terlihat bahwa untuk pertanyaan no.17 saya melakukan
permintaan kredit pada Pegadaian karena fasilitas pelayanan yang bagus, 1 orang responden 1,5 menjawab sangat tidak setuju, 1 orang responen
1,5 menjawab tidak setuju, sedangkan 8 orang responden 11,76 menjawab kurang setuju, 42 orang responden 61,74 menjawab setuju,
dan selebihnya 16 orang responden 23,5 menjawab sangat setuju.
C. Uji Asumsi Klasik
Sebelum melakukan analisis regresi, agar didapat perkiraan yang tidak bias dan efisiensi maka dilakukan pengujian asumsi klasik. Ada beberapa kriteria
persyaratan asumsi klasik yang harus dipenuhi, yaitu: a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng bell shaped. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak menceng ke kanan
dan ke kiri. Uji normalitas pada multivariate sebenarnya sangat kompleks karena harus dilakukan pada sebuah variabel secara bersama-sama. Namun, uji ini bisa
juga dilakukan pada sebuah variabel dengan logika bahwa jika secara individual tiap-tiap variabel memenuhi asumsi normalitas, maka secara bersama-sama
multivariate variabel-variabel tersebut dianggap memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 4.1 Uji Normalitas pendekatan histogram Sumber : Hasil Penelitian 2010, diolah
Keputusan nasabah merupakan sesuatu yang berhubungan dengan rencana atau alasan nasabah untuk melakukan pengambilan kredit. Pada grafik histrogram
terlihat bahwa variabel Y keputusan nasabah berdistribusi normal hal ini di tunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan.
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas pendekatan grafik Sumber : Hasil Penelitian 2010, diolah
Keputusan nasabah merupakan sesuatu yang berhubungan dengan rencana atau alasan nasabah untuk melakukan pengambilan kredit. Pada scatter plot
terlihat titik-titik mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.10 Uji Normalitas pendekatan Kolmogorv-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 68
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.25256829
Most Extreme Differences Absolute
.080 Positive
.080 Negative
-.078 Kolmogorov-Smirnov Z
.663 Asymp. Sig. 2-tailed
.772 a. Test distribution is Normal.
b. Calculated from data.
Pengambilan keputusan: Pada tabel terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.772 dan di
atas nilai signifikan 0.05. Dengan kata lain variabel residual berdistibusi normal. b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan lain.
Jika variance dan residual satu pengamatan ke pengamatan yang lain tetap, maka terjadi homokedastisitas. Model regresi yang baik adalah yang homokedastisitas
atau tidak terjadi heteroskedastisitas Ghozali, 2001 : 69. Uji heteroskedastisitas dilakukan dengan cara melihat plots antara nilai prediksi ZPRED dengan
residual SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplots antara SRESID dengan ZPRED di mana sumbu Y adalah Y yang telah diprediksi
dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di- studentized Ghozali, 2001 : 69.
Universitas Sumatera Utara
Gambar 4.3 Uji heteroskedastisitas pendekatan grafik Sumber : Hasil Penelitian 2010, diolah
Dari grafik Scatterplot yang disajikan, terlihat titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas
maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai
untuk memprediksi keputusan nasabah berdasarkan masukkan variabel independennya.
Tabel 4.11 Uji heteroskedastisitas pendekatan statistik Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.410
.665 3.624
.001
Universitas Sumatera Utara
Suku Bunga -.102
.064 -.239
-1.601 .114
Prosedur Penyaluran Kredit .002
.052 .007
.046 .964
Fasilitas Pelayanan -.024
.059 -.067
-.403 .688
a. Dependent Variable: absut
Sumber : Pengolahan Data SPSS Versi 17.00 2010
Jika variabel independen signifikan secara stasitik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Hasil tampilan output
SPSS dengan jelas menunjukkan tidak satupun variabel independen yang signfikan secara statistik mempengaruhi variabel dependen absolut Ut absUt.
Hal ini terlihat dari probabilitas siginifikansinya dia atas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
c. Uji Multikolinieritas Adanya multikolinieritas merupakan pelanggaran dalam asumsi klasik.
multikolinieritas maksudnya tidak boleh terjadi hubungan antarvariabel bebas independent. Untuk mendeteksi gejala multikolinieritas dapat dilakukan dengan
menggunakan besaran VIF Variance Inflation Faktor dan angka toleran. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai Variance
Inflation Factor VIF 5, maka tidak terjadi mulitikolinearitas.
Tabel 4.12 Uji Multikorilineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
1.040 1.105
.941 .350
Universitas Sumatera Utara
Suku_Bunga .283
.106 .253
2.677 .009
.644 1.552
Prosedur_Penyaluran_Kredit .197
.087 .213
2.261 .027
.648 1.543
Fasilitas_Pelayanan .437
.098 .469
4.481 .000
.527 1.899
a. Dependent Variable: Keputusan nasabah
Sumber : Pengolahan Data SPSS Versi 17.00 2010
Multikolinearitas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF kedua ukuran ini menunjukkan setiap variabel independen manakah
yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah Tolerance 0.1
sedangkan VIF 5.
Pada hasil output SPSS terlihat bahwa semua data variabel tidak terkena multikolinearitas. Karena nilai tolerance nya 0.1 dan nilai VIF 5.
D. Analisis Regresi Linear Berganda
