45
Tabel 4.2 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 34
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 12.97434220
Most Extreme Differences
Absolute .128
Positive .128
Negative -.092
Kolmogorov-Smirnov Z .748
Asymp. Sig. 2-tailed .630
Sumber: Data diolah Lampiran 2
Berdasarkan pengujian Kolmogorov-Smirnov di atas, nilai Asymp. Sig. 2- tailed nya sebesar 0,630 yang berarti 0,05 sehingga dapat ditarik kesimpulan
bahwa data penelitian sudah terdistribusi dengan normal.
4.3.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen Erlina, 2011 : 103.
Ketentuan yang digunakan untuk mendeteksi ada tidaknya multikolinieritas yaitu dilihat melalui nilai variance inflation factor VIP. Jika nilai variance inflation
factor VIP tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Maka model dapat dikatakan terbebas dari multikolinieritas. Hasil pengujian
multikolinieritas pada penelitian ini dapat dilihat pada tabel dibawah ini
Universitas Sumatera Utara
46
Tabel 4.3 Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 NPF
.776 1.289
DPK .781
1.280 INFLASI
.988 1.012
Sumber: Data diolah Lampiran 3
Dari Tabel 4.3 di atas, maka dapat diperoleh nilai VIF dari masing-masing variabel independen untuk variabel Financing to Deposit Ratio yaitu Non
Performing Financing sebesar 1,289, Dana Pihak Ketiga DPK sebesar 1,280 dan Inflasi sebesar 1,012 maka nilai VIF 10. Serta nilai tolerance variabel Non
Performing Financing , Dana Pihak Ketiga dan Inflasi masing-masing adalah 0,776 dan 0,781 serta 0,988 sehingga nilai tolerance 0,1. Sehingga dapat
disimpulkan bahwa penelitian ini terbebas dari adanya multikolinearitas.
4.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2011 : 107. Model regresi yang baik adalah model regresi yang terbebas dari autokorelasi. Cara
menguji autokorelasi dapat dilakukan dengan menggunakan Durbin Watson untuk melihat apakah model regresi linear berganda terbebas dari autokorelasi. Suatu
model dikatakan terbebas dari autokorelasi apabila nilai du d 4-du
Universitas Sumatera Utara
47
Tabel 4.4 Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.936
a
.876 .863
13.60760 1.918
Sumber: Data diolah Lampiran 4
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin - Watson sebesar 1,918. Nilai ini akan dibandingkan dengan nilai tabel Durbin -
Watson dengan nilai signifikansi 5, jumlah sampel adalah 34, jumlah variabel adalah 3 k = 3, maka dalam tabel nilai Durbin
– Watsonakan diperoleh nilai du = 1,6519 dan 4-du = 2,3481. Sehingga persamaannya akan menjadi 1,6519 1.918
2,3481 atau Du d 4 –du Dengan demikian dapat dikatakan bahwa penelitian
ini terbebas dari adanya autokorelasi.
4.4 Pengujian Hipotesis