bahwa nilai tolerance dan nilai VIF pada kolom Collinearity stastics harus lebih dari 0,1 untuk nilai tolerance dan nilai VIF nya kurang dari 10.
Untuk nilai yang dihasilkan premi maka dapat diketahui bahwa premi tidak mengalami gejala multikolinearitas.
Selanjutnya pada
ketentuan ada
atau tidaknya
gejala multikolinearitas dapat diketahui bahwa nilai tolerance dan VIF pada
kolom Collinearity stastics harus lebih dari 0,1 untuk tolerance dan nilai VIF kurang dari 10. Nilai klaim mempunyai tolerance sebesar 0,448 dan
nilai VIF 1,759, jadi dapat diketahui bahwa nilai klaim pada kolom Collinearity stastics tidak memiliki gejala multikolinearitas.
Sedangkan nilai investasi mempunyai tolerance sebesar 0,859 dan nilai VIF 1,944, maka nilai investasi pada kolom Collinearity stastics
tidak memiliki gejala multikolinearitas karena nilai tolerance dan nilai VIF pada kolom Collinearity stastics harus lebih dari 0,1 untuk tolerance dan
kurang dari 10 untuk VIF. Adapun nilai underwriting mempunyai tolerance sebesar 0,784
dan nilai VIF 1,275 yang mana dari ketentua ada atau tidakadanya gejala multikolinearitas nilai tolerance lebih dari 0,1 dan VIF kurang dari 10.
Maka nilai underwriting dari kolom Collinearity stastics tidak mengalami gejala multikolinearitas.
1.3. Uji Heterokedasitas
Heteroskedastisitas adalah
keadaan dimana
terjadinya ketidaksamaan varian dari residual pada model regresi.Model regresi yang
baik mensyaratkan
tidak adanya
masaalah heteroskedastisitas.
Heteroskedastisitas menyebabkan penaksiran atau estimator menjadi tidak efisien dan nilai koefisien determinasi akan menjadi sangat tinggi. Untuk
mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat pola titik- titik pada scatterplot regresi.
Gambar 4.7 Hasil Uji Heterokedasitas
Sumber: diolah dari SPSS
Dari scatterplot di atas dapat diketahui bahwa titik – titik menyebar
dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y maka pada model regresi tidak terjadi masalah heteroskedastisitas.
1.4.Uji Autokorelasi
Autokorelasi adalah keadaan dimana terjadinyakorelasi dari residual untuk pengamatan satu dengan pengamatan yang lain yang
disususn menurut runtun waktu. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi.Dampak yang diakibatkan dengan
adanya autokorelasi yaitu varian sampel tidak dapat menggambarkan varian populasinya.Uji yang digunakan untuk mendeteksi adanya
autokorelasi dapat diketahui dengan deteksi uji Durbin Watson Test DW.Nilai du dan dl dapat diperoleh dari tabel statistik Durbin Watson
yang bergantung banyaknya observasi dan banyaknya variabel yang menjelaskan.Seperti tabel dibawah ini.
Tabel 4.2 Hasil Uji Autokorelasi
D
Hasil tabel di atas dapat dilihat bahwa nilai Durbin Watson adalah 1,450. Pengujian autokorelasi dilakukan dengan pengujian Durbin Watson
dengan ketentuan sebagai berikut: a. 1,65DW2,35
tidak ada auto korelasi b. 1,21DW1,65 atau 2,35DW2,79
tidak dapat disimpulkan c. DW1,21 atau DW2,79
terjadi autokorelasi Berdasrkan output Model Summary didapat nilai DW adalah 1,450
dengan mengikuti ketentuan diatas, dapat dikategorikan bahwa nilai DW 1,450 berada diantara interval 1,21DW1,65 sehingga tidak dapat
disimpulkan.
Model Summary
b
Model R R Square
Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .988
a
.977 .975
4.611E8 1.450
a. Predictors: Constant, underwritingX4, klaimX2, investasiX3, premiX1 b. Dependent Variable: labaY
Sumber: Diolah oleh SPSS
D. Pengujian Hipotesis
1. Uji Hipotesis
a. Uji parsial uji t
Uji t untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel dependen, apakah pengaruhnya signifikan atau tidak. Lihat tabel
dibawah ini:
Tabel 4.3 Hasil Uji Parsial Uji t
Coefficients
a:
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s
t Sig.
Collinearity Statistics
B Std. Error Beta
Tolerance VIF 1 Constant
4.058E8 9.235E7
4.394 .001
premiX1 .638
.097 .939
6.574 .000
.921 1.410
klaimX2 .267
.165 .151
1.615 .000
.448 1.759
investasiX3 .638
.266 .202
2.396 .000
.859 1.944
underwritingX4 .002 .009
.005 .203
.000 .784
1.275 a. Dependent
Variable: labaY
Sumber: Diolah oleh SPSS Dari hasil estimasi dapat diperoleh nilai t hitung masing
– masing variabel independen untuk dapat melakukan pengujian satu sisi. Hasil
pengujiannya adalah sebagai berikut:
Pengujian Premi X
1
Untuk menguji konstanta dan koefisien dapat digunakan uji t, dimana hasil nilai statistik t hitung untuk konstanta sebesar 4,394 dan nilai statistik untuk
koefisien regresi variabel premi 6,574. Dengan signifikansi 0,052 = 0,025 uji 2 sisi dengan df = n-k-1 atau 60- 4-1= 55 k adalah jumlah variabel
independen. Didapat t tabel adalah 2,004.
Gambar 4.8
H ditolak
H ditolak
H diterima
-2,004 2,004 6,574
Oleh karena t hitung 6,574 lebih besar dari pada t tabel 2,004, dengan demikian maka kesimpulannya H
ditolak, artinya secara parsial ada pengaruh yang nyata antara premi terhadap laba. Nilai t hitung positif, artinya semakin
tinggi premi maka semakin tinggi laba yang diperoleh oleh perusahaan asuransi kerugian PT. Sinarmas cabang Syariah.
Pengujian Klaim X
2
Untuk menguji konstanta dan koefisien dapat digunakan uji t, dimana hasil nilai statistik t hitung untuk konstanta sebesar 4,394 dan nilai statistik untuk
koefisien regresi variabel klaim 1,615. Dengan signifikansi 0,052 = 0,025 uji 2 sisi dengan df = n-k-1 atau 60- 4-1= 55 k adalah jumlah variabel
independen. Didapat t tabel adalah 2,004.
Gambar 4.9
H ditolak
H ditolak
H diterima
-2,004 1,615
2,004 Hasil t hitung 1,615 lebih kecil dai t tabel 2,004, maka kesimpulannya H
diterima, artinya secara parsial tidak ada pengaruh yang nyata antara klaim terhadap laba. Nilai t hitung positif, artinya semakin tinggi klaim maka
semakin rendah laba yang diperoleh oleh perusahaan asuransi kerugian PT. Sinarmas Cabang Syariah.
Pengujian Hasil Investasi X
3
Untuk menguji konstanta dan koefisien dapat digunakan uji t, dimana hasil nilai statistik t hitung untuk konstanta sebesar 4,394 dan nilai statistik untuk
koefisien regresi variabel hasil investasi 2,396. Dengan signifikansi 0,052 = 0,025 uji 2 sisi dengan df = n-k-1 atau 60- 4-1= 55 k adalah jumlah
variabel independen. Didapat t kritis adalah 2,004.
Gambar 4.10
H ditolak
H ditolak
H diterima
-2,004 2,004 2,396
Dari tabel coefficient didapat t hitung 2,396 lebih besar dari pada t tabel 2,004, dengan demikian kesimpulannya H
ditolak, artinya secara parsial ada pengaruh yang nyata antara hasil investasi terhadap laba. Nilai t hitung positif,
artinya semakin tinggi premi maka semakin tinggi laba yang diperoleh oleh perusahaan asuransi kerugian PT. Sinarmas cabang Syariah.
