58
Syariah SBIS lebih besar dari pada standart deviasi, hal ini menunjukkan bahwa data terdistribusi dengan baik.
Variabel Dana Pihak Ketiga DPK diperoleh nilai minimum 27,05 terdapat pada Bank Central Asia Syariah, nilai maksimum 31,72 terdapat
pada Bank Syariah Mandiri, rata - rata 29,9343 dan standart deviasi 1,26678. Nilai rata - rata variabel Dana Pihak Ketiga DPK lebih besar dari pada
standart deviasi, hal ini menunjukkan bahwa data terdistribusi dengan baik. Sedangkan variabel pembiayaan murabahah diperoleh nilai minimum
25,39 terdapat pada Bank Central Asia Syariah, nilai maksimum 31,15 terdapat pada Bank Syariah Mandiri , rata - rata 29,2660 dan standart deviasi
1,40362. Nilai rata - rata variabel pembiayaan murabahah lebih besar dari pada standart deviasi, hal ini menunjukkan bahwa data terdistribusi dengan
baik.
4.2.2 Uji Asumsi Klasik
Pada penelitian ini digunakan uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
4.2.2.1 Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu memiliki distribusi normal atau tidak. Uji Normalitas dalam penelitian ini dilakukan dengan Uji Kolmogrov
Smirnov. Dasar pengambilan keputusannya adalah jika nilai Signifikansi lebih dari 0,05 maka variabel berdistribusi normal,
sedangkan jika nilai signifikansinya kurang dari 0,05 maka variabel
Universitas Sumatera Utara
59
tidak berdistribusi normal. Hasil uji one - sampel kolmogrov - smirnov disajikan pada tabel 4.2 berikut :
Tabel 4.2 Hasil Uji Kolmogrov - Smirnov Test
Berdasarkan hasil ujiKolmogrov - SmirnovTest pada tabel 4.2 diatas diperoleh nilai Asymptotic Significanse lebih besar dari 0,05
untuk semua variabel yang diuji yaitu : Non Performing Financing NPF, Jumlah Kantor Bank Syariah, Sertifikat Bank Indonesia Syariah
SBIS dan Dana Pihak Ketiga DPK. Hal ini mengindikasikan bahwa data variabel - variabel yang dilakukan dalam penelitian ini telah
berdistribusi normal. 4.2.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan korelasi antar variabel bebas Independen. Untuk
mendeteksi ada atau tidaknya Multikolinearitas didalam model regresi
One-Sample Kolmogorov-Smirnov Test
NPF Ln_JKBUS
Ln_SBIS Ln_DPK
Ln_P.MUR N
30 30
30 30
30 Normal
Parameters
a,b
Mean 2,9510
5,3763 27,0277
29,9343 29,3340
Std. Deviation 1,66911
1,14595 1,37042
1,26678 1,43125
Most Extreme Differences
Absolute ,090
,201 ,139
,089 ,160
Positive ,084
,114 ,099
,079 ,102
Negative -,090
-,201 -,139
-,089 -,160
Kolmogorov-Smirnov Z ,493
1,101 ,759
,488 ,876
Asymp. Sig. 2-tailed ,968
,177 ,613
,971 ,427
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Olahan Peneliti, Lampiran 4
Universitas Sumatera Utara
60
adalah dengan cara melihat nilai Tolerance dan Variance Inflation Factor
VIF. Jika nilai Tolerance lebih dari 0,10 berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95 jika
nilai VIF lebih besar dari 10 maka terjadi multikolinearitas. Hasil Uji Multikolinearitas disajikan pada tabel 4.3 berikut :
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 10,099
3,695 NPF
-,004 ,069
-,005 ,481
2,080 Ln_JKBUS
,656 ,151
,525 ,210
4,758 Ln_SBIS
-,013 ,065
-,013 ,794
1,259 Ln_DPK
,537 ,136
,476 ,215
4,654 a. Dependent Variable: Ln_P.MUR
Sumber : Data Olahan Peneliti, Lampiran 5 Berdasarkan hasil Uji Multikolinearitas pada tabel 4.3 diatas
diperoleh nilai Tolerance untuk semua variabel Independen yang diteliti lebih besar dari 0,10 dan juga diperoleh nilai Variance Inflation factor
VIF untuk semua variabel Independen yang diteliti lebih kecil 10 VIF 10, maka dapat disimpulkan tidak ada gejala Multikolinearitas
terhadap variabel Independen yang diteliti. 4.2.2.3 Uji Autokorelasi
Uji Autokerelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada periode t
Universitas Sumatera Utara
61
dengan kesalahan penganggu pada periode t-1 sebelumnya. Autokorelasi pada penelitian ini menggunakan Uji Durbin Watson
DW. Hasil Uji Durbin Watson disajikan pada tabel 4.4 berikut :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Mo del
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
,961
a
,923 ,910
,42850 2,092
a. Predictors: Constant, Ln_DPK, Ln_SBIS, NPF, Ln_JKBUS b. Dependent Variable: Ln_P.MUR
Sumber : Data Olahan Peneliti, Lampiran 6 Berdasarkan hasil Uji Durbin Watson pada tabel 4.4 di atas
bahwa nilai Durbin Watson DW 2,092, N = 30, k = 4, dU = 1,739 dan dL 1,143. Karena nilai DW 2,092 lebih besar dari batas atas dU 1,739
dan lebih kecil dari 4 - 1,739 = 2,261. Dapat dituliskan 1,739 2,092 2,261 maka dapat disimpulkan tidak terdapat autokorelasi.
4.2.2.4 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Ada beberapa cara untuk
mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot. Jika ada pola tertentu maka terjadi Heteroskedastisitas.
Adapun hasil dari uji Heteroskedastisitas adalah sebagai berikut :
Universitas Sumatera Utara
62
Gambar 4.1 Hasil Uji Heteroskedastisitas Sumber : Data olahan peneliti, lampiran 7
Berdasarkan hasil Uji Heteroskedastisitas tersebut tidak ditemukan titik
– titik yang membentuk suatu pola yang teratur sehingga dapat ditarik kesimpulan tidak terjadi Heteroskedastisitas pada
uji regresi yang dilakukan pada penelitian ini.
4.2.3 Analisis Regresi Linier Berganda
