Tabel 4.6 Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,960a
,940 ,937
,32720 2,105
a Predictors: Constant, LN_NPL, LN_DPK, LN_CAR, LN_ROA b Dependent Variable: LN_KREDIT
Sumber: Hasil Pengolahan SPSS 2008 Hasil uji autokorelasi diatas menunjukkan nilai statistic Durbin-Watson DW
sebesar 2,105 , nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson dengan menggunakan signifikansi 5, jumlah sampel 66 n dan jumlah variabel
independen 4 k=4, maka di tabel Durbin-Watson didapat nilai batas atas du 1,7318 dan nilai batas bawah dl 1,4756 . Oleh karena itu, nilai DW berada
diantara batas atas DU dan 4-DU 1.7318 2.105 2.2682, berarti tidak ada autokorelasi.
d. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data
menggunakan program SPSS. Dasar pengambilan keputusannya adalah: 1 jika pola tertentu, seperti titik-titik yang teratur maka telah terjadi
heteroskedastisitas,
2 jika tidak ada pola tertentu, serta titik-titik yang menyebar tidak tertentu diatas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedatisitas atau terjadi homokedastisitas.
Universitas Sumatera Utara
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran
titik-titik pada gambar.
Regression Standardized Predicted Value
2 1
-1 -2
Re gre
ssio n Stude
ntized Re sidu
al
2 1
-1 -2
-3 -4
Scatterplot
Dependent Variable: LN_KREDIT
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS 2008 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Dengan
demikian, model ini layak dipakai untuk memprediksi jumlah volume kredit pada
Universitas Sumatera Utara
perusahaan perbankan yang go public di Indonesia berdasarkan masukan variabel independen DPK, CAR, ROA dan NPL.
2.
Analisis Regresi dan Uji Hipotesis a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel dependen dengan
variabel independen.
Tabel 4.7 Hasil Analisis Regresi
Variabel Unstandarized Coefficients B
T hitung Sig
Keterangan
Constant 2,453 X
1
0,912 28,885 0,000 Signifikan
X
2
0,119 0,727 0,470
Tidak Signifikan
X
3
0.183 2,583 0,012
Signifikan X
4
-0.095 -1,706 0,093
Tidak Signifikan
R =
0.960 Adjusted R Square
= 0.937
F hitung = 338.081
Sig F
= 0.000
α = 0.05 n
= 66
t table, α
= 5
= 1,999
F table, α = 5
= 2.534 Sumber : Data diolah penulis, 2008
Variabel dependen pada regresi ini adalah LN_Kredit Y, sedangkan variabel independen adalah LN_DPKX
1
, LN_CARX
2
, LN_ROAX
3
dan LN_NPL X
4
. Berdasarkan penjelasan dari pengujian asumsi klasik sebelumnya, model regresi dalam penelitian ini telah diubah menjadi model logaritma natural,
Universitas Sumatera Utara
sehingga beta dan koefisien dari penelitian ini dapat disimpulkan dalam bentuk logaritma natural.
Model regresi berdasarkan hasil analisis di atas adalah:
Y = 2,453 + 0,912 X
1
+ 0,119 X
2
+ 0.183 X
3
- 0,095 X
4
+ e
Pada persamaan tersebut menunjukkan angka yang signifikan pada variabel LN_DPKX
1
dan LN_ROAX
3
, sedangkan untuk variabel LN_CARX
2
dan LN_NPL X
4
, tidak menunjukkan angka yang signifikan. Adapun interpretasi dari persamaan di atas adalah:
1. βo = 2,453
Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel LN_DPK, LN_CAR, LN_ROA dan LN_NPL X
1
=X
2
=X
3
=X
4
=0, maka volume kredit yang diberikan adalah 2,453.
2. β
1
= 0,912 Koefisien regresi b
1
ini menunjukkan bahwa setiap variabel LN_DPK meningkat satu satuan, maka volume kredit akan bertambah 0,912 atau 91,2 dengan asumsi
variabel lain dianggap tetap CAR,ROA dan NPL =0 atau ceteris paribus. 3.
β
2
= 0,119 Nilai parameter atau koefisien regresi b
2
menunjukkan bahwa setiap variabel LN_CAR meningkat satu satuan, maka volume kredit akan meningkat sebesar
0,119 atau 11,9 dengan asumsi variabel lainnya tetap atau sama dengan nol. 4.
β
3
= 0.183 Koefisien regresi b
3
ini menunjukkan bahwa setiap variabel LN_ROA meningkat
Universitas Sumatera Utara
satu satuan, maka volume kredit akan bertambah 0,183 atau 18,3 dengan asumsi variabel lain dianggap tetap.
5. β
4
= -0.095 Koefisien regresi b4 ini menunjukkan bahwa setiap variabel LN_NPL meningkat
satu satuan, maka volume kredit akan menurun sebesar 0,095 atau 9,5 dengan asumsi variabel lainnya dianggap tetap atau sama dengan nol.
Angka koefisien korelasi R sebesar 0.960 menunjukkan bahwa korelasi atau hubungan antara variabel volume kredit dengan variabel independennya sangat
kuat, definisi korelasi kuat ini didasarkan pada nilai R berada di atas 0.5 dan mendekati 1.0
Angka koefisien determinasi Adjusted R Square adalah 0.937 ,hal ini berarti 93,7 variasi dari volume kredit bisa dijelaskan oleh variasi keempat variabel
independen, sedangkan sisanya sebesar 6,3 dijelaskan oleh variasi atau faktor lain.
Hasil uji ANOVA atau F Test didapat F hitung sebesar 338.081 dengan signifikansi 0.000 dan F tabel yang diperoleh melalui perhitungan Microsoft excel
FINV 0,05;4;57 adalah 2,534. Dari hasil uji statistik dapat disimpulkan Fhitung Ftabel dan signifikansi jauh lebih kecil dari 0.05 , maka model regresi dalam
penelitian ini dapat dipakai untuk memprediksi volume kredit. Selain itu, bisa disimpulkan bahwa variabel independen LN_DPK, LN_CAR, LN_ROA dan
LN_NPL secara bersama-sama berpengaruh terhadap volume kredit.
b. Uji Hipotesis