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