Analisis Hasil Penelitian Sampel

66 oleh Ir. H. Arifin Panigoro, sebesar 6,06 dimiliki oleh PT. Medco Intidinamika, dan sebesar 7,46 kepemilikan saham dimiliki oleh masyarakat.

4.2 Analisis Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif ditujukan untuk melihat profil dari penelitian tersebut dan memberikan gambaran terhadap objek yang diteliti melalui data sampel dan membuat kesimpulan yang berlaku.Statistik deskriptif digunakan untuk mendeskripsikan suatu data yang dilihat dari mean, median, deviasi standar, nilai minimum, dan nilai maksimum Ghozali, 2013:19. Dimana pengujian ini dilakukan untuk mempermudah memahami variabel-variabel yang digunakan dalam penelitian. Pada penelitian ini, gambaran statistik deskriptif dengan variabel independen yang digunakan dalam penelitian ini adalah dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio dan variabel dependen yaitu jumlah penyaluran kredit, dimana statistik deskriptif variabel tersebut dari sampel perusahaan perbankan yang terdaftar di Bursa Efek Indonesia BEI periode 2011-2014. Berikut hasil analisis statistik deskriptif dapat ditunjukkan pada Tabel 4.1 dibawah ini : Universitas Sumatera Utara 67 Tabel 4.1 Analisis Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation Kredit 144 162769,00 5,05E8 62563057,8542 1,04720E8 DPK 144 116748,00 6,06E8 74607059,7986 1,28146E8 CAR 144 10,35 87,49 19,5730 11,66558 LDR 144 43,46 103,38 81,4217 12,59398 NPL 144 ,00 4,17 1,2869 1,04604 ROA 144 ,24 5,42 2,0908 1,23599 LAR 144 31,98 93,98 69,8251 14,66717 Valid N listwise 144 Sumber : Hasil Penelitian, 2016 Data Diolah Berdasarkan hasil yang diperoleh pada Tabel 4.1 maka dapat dijelaskan bahwa : 1. Variabel dependen Y yaitu jumlah penyaluran kredit memiliki nilai minimum 162769,00 atau sebesar Rp.162.769.000.000,- berasal dari Bank National Nobu Tbk pada tahun 2011, sedangkan nilai maksimum jumlah penyaluran kredit adalah 5,05E8 atau sebesar Rp.505.394.541.000.000,- berasal dari Bank Mandiri Tbk pada tahun 2014. Dengan melihat rata-rata mean Kredit sebesar 62563057,8542, maka dapat disimpulkan bahwa secara statistik nilai rata-rata Kredit pada Bank Umum yang terdaftar di Bursa Efek Indonesia adalah sebesar Rp.62.563.057.000.000 dengan standar deviasi 1,04720E8 atau sekitar Rp.104.720.000.000.000,-. 2. Variabel independen yaitu Dana Pihak Ketiga X 1 memiliki nilai minimum 116748,00 atau sebesar Rp.116.748.000.000,- berasal dari Bank Dinar Indonesia Tbk pada tahun 2011, sedangkan nilai maksimum dana pihak ketiga adalah sebesar 6,06E8 atau sebesar Rp.605.610.330.000.000,- berasal Universitas Sumatera Utara 68 dari Bank Rakyat Indonesia Tbk pada tahun 2014. Dengan melihat rata-rata mean Dana Pihak Ketiga 74607059,7986 maka dapat disimpulkan bahwa secara statistik nilai rata-rata Dana Pihak Ketiga pada Bank Umum yang terdaftar di Bursa Efek Indonesia adalah sebesar Rp.74.607.059.000.000,- dengan standar deviasi 1,28146E8 atau sebesar Rp.128.146.000.000,-. 3. Variabel independen yaitu Capital Adequacy Ratio X 2 memiliki nilai minimum 10,35 berasal dari Bank Himpunan Saudara 1906 Tbk pada tahun 2012 , sedangkan nilai maksimum Capital Adequacy Ratio adalah 87,49 berasal dari Bank National Nobu Tbk pada tahun 2013 dengan melihat rata- rata mean Capital Adequacy Ratio 19,5730 atau sebesar 19,57 dengan standar deviasi 11,66558. 4. Variabel independen yaitu Loan to Deposit Ratio X 3 memiliki nilai minimum 43,46 berasal dari Bank National Nobu Tbk pada tahun 2012, sedangkan nilai maksimum loan to deposit ratio adalah 103,38 berasal dari Bank Dinar Indonesia Tbk pada tahun 2011 dengan melihat rata-rata mean loan to deposit ratio 81,4217 atau sebesar 81,42 dengan standar deviasi 12,59398. 5. Variabel independen yaitu Non Performing Loan X 4 memiliki nilai minimum 0,00 berasal dari Bank National Nobu Tbk pada tahun 2011, sedangkan nilai maksimum non performing loan adalah 4,17 berasal dari Bank Yudha Bhakti Tbk pada tahun 2011 dengan melihat rata-rata mean non performing loan 1,2869 atau sebesar 1,28 dengan standar deviasi 1,04604. Universitas Sumatera Utara 69 6. Variabel independen yaitu Return On Assets X 5 memiliki nilai minimum 0,24 berasal dari Bank Mitraniaga Tbk pada tahun 2011, sedangkan nilai maksimum Return On Assets adalah 5,42 berasal dari Bank Mestika Dharma Tbk pada tahun 2013 dengan melihat rata-rata mean return on assets 2,0908 atau sebesar 2,09 dengan standar deviasi 1,23599. 7. Variabel independen yaitu Loan to Asset Ratio X 6 memiliki nilai minimum 31,98 berasal dari Bank National Nobu Tbk pada tahun 2013, sedangkan nilai maksimum loan to asset ratio 93,98 berasal dari Bank Artha Graha International Tbk pada tahun 2011 dengan melihat rata-rata mean loan to asset ratio 69,8251 atau sebesar 69,82 dengan standar deviasi 14,66717.

4.2.2 Uji Asumsi Klasik

Didalam pengujian asumsi klasik, peneliti akan melakukan uji atas data- data yang telah diperoleh yang disebut dengan uji asumsi klasik. Uji asumsi klasik dilakukan untuk melihat apakah data telah terdistribusi dengan normal dengan uji normalitas, dan untuk melihat apakah penelitian tersebut terjadi multikolinearitas, heteroskedastisitas dan autokorelasi atau tidak.

4.2.2.1 Uji Normalitas

Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes normalitas, maka hasil penelitian kita bisa Universitas Sumatera Utara 70 digeneralisasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi normal Situmorang dan Lutfi, 2014:114. Ghozali, 2013:160 untuk mendeteksi apakah residual berdistribusi normal atau tidak dapat dilakukan dengan dua cara, yaitu melalui uji statistik dan analisis grafik. Uji statistik yang digunakan untuk menguji normalitas data dalam penelitian ini adalah dengan menggunakan uji statistik non parametric Kolmogorov-Smirnov K-S dan melalui analisis grafik, yaitu dengan melihat pendekatan grafik histogram dan grafik normal probability plot. Hipotesis Nol H0 : Data terdistribusi secara normal Hipotesis Altenatif Ha : Data tidak terdistribusi secara normal  Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima,  sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak. Pada pengujian awal normalitas data, baik dengan pendekatan grafik maupun pendekatan statistik Kolmogorov-Smirnov terlihat bahwa data tidak terdistribusi secara normal seperti ditunjukkan sebagai berikut : Tabel 4.2 Pengujian Awal Normalitas Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 144 Normal Parameters a,b Mean ,0000000 Std. Deviation 10361928,53827793 Most Extreme Differences Absolute ,143 Positive ,114 Negative -,143 Kolmogorov-Smirnov Z 1,721 Asymp. Sig. 2-tailed ,005 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2016 Data Diolah Universitas Sumatera Utara 71 Berdasarkan Tabel 4.2 dapat dideskripsikan besarnya Kolmogorov- Smirnov K-S adalah 1,721 dan signifikansi 0,0050,05 sehingga sesuai dengan kriteria pengujian jika tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data tidak berdistribusi secara normal. Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.1 Pengujian Awal Normalitas dengan Histogram Pada gambar 4.1 uji normalitas dengan pendekatan histogram terlihat bahwa histogram menunjukkan penyebaran data yang tidak terdistribusi secara normal. Hal ini terlihat dari bentuk histogram yang kurang proporsional sehingga dapat disimpulkan data tidak berdistribusi secara normal. Selanjutnya uji normalitas dengan pendekatan grafik Normal Probability Plot dapat dilihat pada Gambar 4.2 sebagai berikut : Universitas Sumatera Utara 72 Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.2 Pengujian Awal Normal Probability Plot Pendekatan Grafik Normalitas dengan Grafik Normal Probability Plot menunjukkan bahwa data tidak berdistribusi secara normal, hal ini terlihat dari titik-titik penyebaran tidak mendekati atau jauh dari sumbu diagonal grafik sehingga dapat disimpulkan bahwa data tidak berdistribusi secara normal. Dengan demikian pada pengujian awal normalitas dengan menggunakan tiga pendekatan diatas, dapat disimpulkan bahwa model regresi yang digunakan tidak memenuhi asumsi normalitas. Untuk mengatasi data yang tidak terdistribusi secara normal, maka dilakukan transformasi data ke bentuk Logaritma Natural Ln. Hasil uji Asumsi Klasik setelah transformasi data adalah sebagai berikut : Universitas Sumatera Utara 73 Tabel 4.3 Pengujian Normalitas Kolmogorov-Smirnov dengan Logaritma Natural One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 144 Normal Parameters a,b Mean ,0000000 Std. Deviation ,11382030 Most Extreme Differences Absolute ,213 Positive ,213 Negative -,144 Kolmogorov-Smirnov Z 2,557 Asymp. Sig. 2-tailed ,000 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2016 Data Diolah Berdasarkan Tabel 4.3 dapat dideskripsikan besarnya Kolmogorov- Smirnov K-S adalah 2,557 dan signifikansi 0,0000,05 sehingga sesuai dengan kriteria pengujian jika tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data tidak berdistribusi secara normal. Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.3 Pengujian Normalitas Histogram dengan Logaritma Natural Universitas Sumatera Utara 74 Pada gambar 4.3 uji normalitas dengan pendekatan histogram terlihat bahwa histogram menunjukkan penyebaran data yang tidak terdistribusi secara normal. Hal ini terlihat dari bentuk histogram yang kurang proporsional sehingga dapat disimpulkan data tidak berdistribusi secara normal. Selanjutnya uji normalitas dengan pendekatan grafik Normal Probability Plot dapat dilihat pada Gambar 4.4 sebagai berikut : Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.4 Pengujian Normal Probability Plot dengan Logaritma Natural Pendekatan Grafik Normalitas dengan Grafik Normal Probability Plot menunjukkan bahwa data tidak berdistribusi secara normal, hal ini terlihat dari titik-titik penyebaran tidak mendekati atau jauh dari sumbu diagonal grafik sehingga dapat disimpulkan bahwa data tidak berdistribusi secara normal. Dengan demikian dapat disimpulkan pada pengujian normalitas dengan menggunakan logaritma natural bahwa model regresi yang digunakan tidak memenuhi asumsi Universitas Sumatera Utara 75 normalitas. Maka untuk melakukan penanganan data tidak normal atau data menyebar secara tidak normal dapat dilakukan dengan menghilangkan data yang dianggap sebagai penyebab tidak normalnya data Situmorang dan Lufti, 2014:121. Untuk memperoleh hasil terbaik, maka data pencilan atau outlier yang ada dihilangkan. Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi Ghozali, 2013:41. Hasil pengujian normalitas setelah menghilangkan data yang dianggap sebagai penyebab tidak normalnya data Outlier adalah sebagai berikut: Tabel 4.4 Pengujian Normalitas Kolmogorov-Smirnov setelah Menghilangkan Outlier One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 120 Normal Parameters a,b Mean ,0000000 Std. Deviation ,00985334 Most Extreme Differences Absolute ,085 Positive ,069 Negative -,085 Kolmogorov-Smirnov Z ,933 Asymp. Sig. 2-tailed ,349 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2016 Data Diolah Berdasarkan Tabel 4.4 dapat dideskripsikan besarnya Kolmogorov- Smirnov K-S adalah 0,933 dan signifikansi 0,3490,05 sehingga sesuai dengan kriteria pengujian jika tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data berdistribusi secara normal. Universitas Sumatera Utara 76 Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.5 Pengujian Normalitas Histogram setelah Menghilangkan Outlier Pada gambar 4.5 uji normalitas dengan pendekatan histogram terlihat bahwa histogram menunjukkan penyebaran data yang terdistribusi secara normal. Hal ini terlihat dari bentuk histogram yang mengikuti kurva berbentuk lonceng yang tidak menceng ke kiri atau menceng ke kanan. Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.6 Pengujian Normal Probability plot setelah Menghilangkan Outlier Universitas Sumatera Utara 77 Gambar 4.6 memperlihatkan grafik pada normal probability plot terlihat titik yang mengikuti data sepanjang garis diagonal. Hal tersebut berarti data berdistribusi normal. Hasil pengujian dengan grafik histogram dan grafik Scatter plot sejalan dengan hasil pengujian dengan menggunakan model Kolmogorov- Smirnov , yaitu yang berkesimpulan bahwa data telah terdistribusi secara normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.

4.2.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap atau sama maka disebut homokedastisitas, demikian sebaliknya jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas sehingga model regresi layak dipakai untuk memprediksi variabel dependen berdasarkan masukan variabel independennya. Alat untuk menguji heteroskedastisitas yakni dengan alat analisis grafik atau dengan analisis residual yang berupa statistik Situmorang dan Lufti, 2014:121. Pada penelitian ini uji heteroskedastisitas yang digunakan adalah dengan meenggunakan metode pendekatan grafik dan metode pendekatan statistik. Universitas Sumatera Utara 78 Sumber : Hasil Penelitian, 2016 Data Diolah Gambar 4.7 Pendekatan Grafik Heteroskedastisitas Gambar 4.7 merupakan grafik scatterplot yang menunjukkan titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heterokedastisitas pada model regresi. Tabel 4.5 Pendekatan Statistik Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -,030 ,028 -1,086 ,280 Ln_DPK ,000 ,000 ,051 ,438 ,663 Ln_CAR ,000 ,002 -,015 -,121 ,904 Ln_LDR ,008 ,004 ,220 1,975 ,051 Ln_NPL -,001 ,001 -,096 -,968 ,335 Ln_ROA -,001 ,001 -,059 -,505 ,614 Ln_LAR ,000 ,003 -,005 -,042 ,967 a. Dependent Variable: absut Sumber : Hasil Penelitian, 2016 Data Diolah Universitas Sumatera Utara 79 Berdasarkan data tersebut dapat diketahui bahwa nilai signifikansi variabel Dana Pihak Ketiga sebesar 0,663, variabel Capital Adequacy Ratio sebesar 0,904, variabel Loan to Deposit Ratio sebesar 0,051, variabel Non Performing Loan sebesar 0,335, variabel Return on Assets sebesar 0,614 dan variabel Loan to Asset Ratio sebesar 0,967. Berdasarkan Tabel 4.5 dapat dideskripsikan bahwa tidak satupun variabel independen yang signifikan mempengaruhi variabel dependen absolut Ut Absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heterokedastisitas.

4.2.2.3 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antarvariabel independen. Jika terjadi korelasi maka dinamakan terdapat problem multikolinearitas. Deteksi adanya multikolinearitas dapat dilihat pada besarnya nilai tolerance dan variance inflation factor VIF, jika nilai VIF 5 dan nilai tolerance 0.1 maka tidak terdapat masalah multikolinearitas. Multikolinearitas dapat dilihat dari nilai tolerance dan variance inflation factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah Tolerance 0,1 sedangkan variance inflation factor VIF 5 maka terdapat masalah multikolinearitas Situmorang dan Lutfi, 2014:147. Universitas Sumatera Utara 80 Tabel 4.6 Hasil Uji Multikolinearitas Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari masing-masing variabel independen lebih besar dari 0,10, yaitu pada variabel Dana Pihak Ketiga sebesar 0,624, variabel Capital Adequacy Ratio sebesar 0,553, variabel Loan to Deposit Ratio sebesar 0,681, variabel Non Performing Loan sebesar 0,859, variabel Return On Assets sebesar 0,617, dan variabel Loan to Asset Ratio sebesar 0,575. Nilai Variance Inflation Factor VIF dari masing-masing variabel independen diketahui kurang dari 5, yaitu dilihat pada Tabel 4.6 bahwa variabel Dana Pihak Ketiga nilai Variance Inflation Factor VIF sebesar 1,603, variabel Capital Adequacy Ratio sebesar 1,809 ,variabel Loan to Deposit Ratio sebesar 1,469, variabel Non Performing Loan sebesar 1,164, variabel Return On Assets sebesar 1,621, dan variabel Loan to Asset Ratio sebesar 1,740. Berdasarkan Tabel Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -4,612 ,044 -104,405 ,000 Ln_DPK 1,000 ,001 ,971 1531,287 ,000 ,624 1,603 Ln_CAR ,003 ,004 ,001 ,925 ,357 ,553 1,809 Ln_LDR ,998 ,006 ,098 160,633 ,000 ,681 1,469 Ln_NPL ,002 ,001 ,001 1,405 ,163 ,859 1,164 Ln_ROA -,001 ,002 -,001 -,814 ,417 ,617 1,621 Ln_LAR ,001 ,005 ,000 ,131 ,896 ,575 1,740 a. Dependent Variable: Ln_KREDIT Sumber : Hasil Penelitian, 2016 Data Diolah Universitas Sumatera Utara 81 4.6 diatas dapat disimpulkan bahwa tidak ada terjadi multikolinearitas antar variabel independen dalam model ini.

4.2.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time series. Model regresi yang baikadalah regresi yang bebas dari autokorelasi Ghozali, 2013:110. Uji autokorelasi dapat diuji dengan menggunakan uji run test. Berikut ini adalah Tabel 4.7 yang menunjukkan hasil uji autokorelasi sebagai berikut : Tabel 4.7 Hasil Uji Autokorelasi Runs Test Unstandardized Residual Test Value a ,00068 Cases Test Value 60 Cases = Test Value 60 Total Cases 120 Number of Runs 65 Z ,733 Asymp. Sig. 2-tailed ,463 a. Median Sumber : Hasil Penelitian, 2016 Data Diolah Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Asymp.Sig.2-tailed adalah 0,463 lebih besar dari nilai signifikan 0,05 sehingga dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi pada penelitian ini. Universitas Sumatera Utara 82

4.2.3 Metode Analisis Regresi Linear Berganda

Model regresi akan dapat dijadikan alat estimasi yang tidak biasa jika telah memenuhi persyaratan Best Linear Unbiased Estimator BLUE yakni tidak terdapat heterokedastisitas, multikolinearitas, autokorelasi Situmorang dan Lufti, 2011:151. Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Maka untuk menguji hipotesis, pada penelitian ini peneliti menggunakan regresi linear berganda dimana semua variabel dimasukkan untuk mencari hubungan antara variabel independen dan variabel dependen. Berikut ini merupakan hasil pengolahan data dengan analisis regresi linear berganda : Universitas Sumatera Utara 83 Tabel 4.8 Hasil Uji Analisis Regresi Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4,612 ,044 -104,405 ,000 Ln_DPK 1,000 ,001 ,971 1531,287 ,000 Ln_CAR ,003 ,004 ,001 ,925 ,357 Ln_LDR ,998 ,006 ,098 160,633 ,000 Ln_NPL ,002 ,001 ,001 1,405 ,163 Ln_ROA -,001 ,002 -,001 -,814 ,417 Ln_LAR ,001 ,005 ,000 ,131 ,896 a. Dependent Variable: Ln_KREDIT Sumber : Hasil Penelitian, 2016 Data Diolah Berdasarkan data pada Tabel 4.8 dapat dirumuskan suatu persamaan regresi linear berganda sebagai berikut : Y= -4,612 + 1,000X 1 + 0,003X 2 + 0,998X 3 + 0,002X 4 – 0,001X 5 + 0,001X 6 + e Dimana : Y = Kredit X 1 = Dana Pihak Ketiga X 2 = Capital Adequacy Ratio X 3 = Loan to Deposit Ratio X 4 = Non Performing Loan X 5 = Return on Assets X 6 = Loan to Asset Ratio e = Error Universitas Sumatera Utara 84 Keterangan : 1. Konstanta α diperoleh sebesar -4,612. Hal ini menunjukkan bahwa Dana Pihak Ketiga, Capital Adequacy Ratio, Loan to Deposit Ratio, Non Performing Loan, Return on Assets dan Loan to Asset Ratio sama dengan nol maka jumlah Penyaluran Kredit Y bernilai sebesar 4,612. 2. Koefisien regresi Dana Pihak Ketiga sebesar 1,000 menunjukkan bahwa setiap kenaikan Dana Pihak Ketiga sebesar 1 akan menyebabkan penurunan sebesar 1,000. 3. Koefisien regresi Capital Adequacy Ratio sebesar 0,003 menunjukkan bahwa setiap kenaikan Capital Adequacy Ratio sebesar 1 akan menyebabkan penurunan sebesar 0,003. 4. Koefisien regresi Loan to Deposit Ratio sebesar 0,998 menunjukkan bahwa setiap kenaikan Loan to Deposit Ratio sebesar 1 akan menyebabkan penurunan sebesar 0,998. 5. Koefisien regresi Non Performing Loan sebesar 0,002 menunjukkan bahwa setiap kenaikan Non Performing Loan sebesar 1 akan menyebabkan penurunan sebesar 0,002. 6. Koefisien regresi Return on Assets sebesar -0,001 menunjukkan bahwa setiap kenaikan Return on Assets sebesar 1 akan menyebabkan penurunan sebesar 0,001. 7. Koefisien regresi Loan to Asset Ratio sebesar 0,001 menunjukkan bahwa setiap kenaikan Loan to Asset Ratio sebesar 1 akan menyebabkan penurunan sebesar 0,001. Universitas Sumatera Utara 85 4.2.4 Pengujian Hipotesis 4.2.4.1 Uji Signifikansi Simultan Uji-F Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen terikat Ghozali, 2013:98. Pengujian ini dilakukan untuk mengetahui pengaruh variabel independen secara serempak terhadap variabel dependen. Uji ini dilakukan dengan membandingkan signifikansi Fhitung dengan Ftabel. Bentuk perumusan hipotesisnya adalah sebagai berikut : 1. Ho : b 1 = b 2 = b 3 = b 4 = b 5 = b 6 = 0, artinya bahwa secara simultan dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. 2. Ha : b 1 ≠ b 2 ≠ b 3 ≠ b 4 ≠ b 5 ≠ b 6 ≠ 0, artinya bahwa secara simultan dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Pada uji ini dilakukan uji satu sisi dengan tingkat signifikan α = 5 untuk mendapatkan nilai Ftabel. Kriteria pengambilan keputusannya sebagai berikut : a. Jika Fhitung ≤ Ftabel atau nilai signifikan α ≥ 0.05, maka Ho diterima Ha ditolak. Universitas Sumatera Utara 86 b. Jika Fhitung ≥ Ftabel atau nilai signifikan α ≤ 0.05, maka Ha diterima Ho ditolak. Tabel 4.9 Hasil Uji Signifikansi Simultan Uji-F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 407,507 6 67,918 664275,577 ,000 a Residual ,012 113 ,000 Total 407,518 119 a. Predictors: Constant, Ln_LAR, Ln_ROA, Ln_NPL, Ln_DPK, Ln_LDR, Ln_CAR b. Dependent Variable: Ln_KREDIT Sumber : Hasil Penelitian, 2016 Data Diolah Tabel 4.9 adalah hasil dari uji statistik simultan Uji-F menunjukkan bahwa nilai F hitung adalah 664275,577 dengan tingkat signifikansi 0,000, sedangkan F tabel pada tingkat kepercayaan 95 α = 0,05 adalah 2,18. Karena pada kedua perhitungannya yaitu F hitung 664275,577 F tabel 2,18 dan tingkat signifikannya 0,0000,05 menunjukkan bahwa pengaruh variabel independen dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio secara simultan adalah berpengaruh positif dan signifikan terhadap jumlah penyaluran kredit.

4.2.4.2. Uji Signifikansi Parsial Uji-t

Uji-t uji individual digunakan untuk mengetahui apakah masing-masing variabel independen secara parsial mempunyai pengaruh yang signifikan terhadap variabel dependennya dengan asumsi variabel independen yang lain dianggap konstan. Bentuk pengujiannya adalah sebagai berikut : Universitas Sumatera Utara 87 1. Dana Pihak Ketiga Ho : b 1 = 0, artinya secara parsial dana pihak ketiga berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 1 ≠ 0, artinya secara parsial dana pihak ketiga berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. 2. Capital Adequacy Ratio Ho : b 2 = 0, artinya secara parsial capital adequacy ratio berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 2 ≠ 0, artinya bahwa secara parsial capital adequacy ratio berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. 3. Loan to Deposit Ratio Ho : b 3 = 0, artinya secara parsial loan to deposit ratio berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 3 ≠ 0, artinya bahwa secara parsial loan to deposit ratio berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara 88 4. Non Performing Loan Ho : b 4 = 0, artinya secara parsial non performing loan berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 4 ≠ 0, artinya bahwa secara parsial non performing loan berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. 5. Return On Assets Ho : b 5 ≠ 0, artinya secara parsial return on assets berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 5 ≠ 0, artinya bahwa secara parsial return on assets berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. 6. Loan to Asset Ratio Ho : b 6 ≠ 0, artinya secara parsial loan to asset ratio berpengaruh tidak signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Ha : b 6 ≠ 0, artinya bahwa secara parsial loan to asset ratio berpengaruh signifikan terhadap jumlah penyaluran kredit pada bank umum yang terdaftar di Bursa Efek Indonesia. Pada uji ini nilai t hitung akan dibandingkan dengan t tabel pada tingkat signifikan α = 5. Kriteria pengambilan keputusannya sebagai berikut : Universitas Sumatera Utara 89 a. Jika t hitung ≤ t tabel atau nila i signifikan α ≥ 0.05, maka Ho diterima Ha ditolak. b. Jika t hitung ≥ t tabel atau nilai signifik an α ≤ 0.05, maka Ha diterima Ho ditolak. Tabel 4.10 Hasil Uji Signifikansi Parsial Uji-t Nilai t tabel dalam penelitian ini adalah sebesar 1,65. Tabel 4.10 memperlihatkan hasil uji statistik parsial Uji-t maka diketahui pengaruh variabel independen secara parsial terhadap variabel dependen, yaitu : 1. Variabel dana pihak ketiga berpengaruh positif dan signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,000 lebih kecil dari 0,05, dan nilai t hitung 1531,287 1,65. 2. Variabel capital adequacy ratio berpengaruh positif dan tidak signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,357 lebih besar dari 0,05, dan nilai t hitung 0,925 1,65. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4,612 ,044 -104,405 ,000 Ln_DPK 1,000 ,001 ,971 1531,287 ,000 Ln_CAR ,003 ,004 ,001 ,925 ,357 Ln_LDR ,998 ,006 ,098 160,633 ,000 Ln_NPL ,002 ,001 ,001 1,405 ,163 Ln_ROA -,001 ,002 -,001 -,814 ,417 Ln_LAR ,001 ,005 ,000 ,131 ,896 a. Dependent Variable: Ln_KREDIT Sumber : Hasil Penelitian, 2016 Data Diolah Universitas Sumatera Utara 90 3. Variabel loan to deposit ratio berpengaruh positif dan signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,000 lebih kecil dari 0,05, dan nilai t hitung 160,633 1,65. 4. Variabel non performing loan berpengaruh positif dan tidak signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,163 lebih besar dari 0,05, dan nilai t hitung 1,405 1,65. 5. Variabel return on assets berpengaruh negatif dan tidak signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,417 lebih besar dari 0,05, dan nilai t hitung -0,814 1,65. 6. Variabel loan to asset ratio berpengaruh positif dan tidak signifikan terhadap jumlah penyaluran kredit, hal ini terlihat dari nilai signifikan 0,896 lebih besar dari 0,05, dan nilai t hitung 0,131 1,65.

4.2.4.3 Koefisien Determinasi R

2 Pengujian koefisien determinasi dilakukan dengan tujuan untuk menggambarkan sampai seberapa jauh variabel-variabel bebas independen yang digunakan dalam persamaan regresi mampu menjelaskan variabel terikat dependen. Apabila nilai R 2 suatu regresi mendekati satu, maka semakin baik regresi tersebut. Sebaliknya, semakin mendekati nol, maka variabel bebas secara keseluruhan tidak bisa menjelaskan variabel terikat. Universitas Sumatera Utara 91 Tabel 4.11 Hasil Uji Koefisien Determinasi Uji-R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,995 a ,990 ,990 10586400,69436 a. Predictors: Constant,Ln_ LAR, Ln_NPL,Ln_ DPK, Ln_LDR, Ln_CAR, Ln_ROA b. Dependent Variable: Ln_Kredit Sumber : Hasil Penelitian, 2016 Data Diolah Tabel 4.11 memperlihatkan bahwa hasil analisis regresi secara keseluruhan menunjukkan nilai R sebesar 0,995 menunjukkan bahwa korelasi atau hubungan antara jumlah penyaluran kredit variabel dependen dengan dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio variabel independen mempunyai hubungan sangat erat yaitu sebesar 99,5. Dapat diketahui bahwa nilai R Square sebesar 0,990 berarti 99,0 faktor-faktor jumlah penyaluran kredit dapat dijelaskan oleh dana pihak ketiga, capital adequacy ratio, loan to deposit ratio, non performing loan, return on assets dan loan to asset ratio, sedangkan sisanya 1 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti pada penelitian ini.

4.3 Pembahasan Hasil Penelitian