Hasil Analisis Asumsi Regresi Klasik BLUE Best Linier Unbiased Estimator.

75 sebesar 86,1 ini dikarenakan adanya krisis yang melanda bangsa Indonesia dan pada umumnya kenaikan tingkat inflasi terjadi dari kenaikan harga barang – barang yang tidak dikendalikan Pemerintah dan adanya kenaikan harga BBM. tetapi pada tahun 1999 terjadi perkembangan terendah sebesar - 94,97 . Hal ini bisa dilihat dari nilai Tingkat Inflasi di tahun 1998 sebesar 95,21 menjadi 0,24 atau turun sebesar - 94,97 . Tabel.5. Perkembangan Tingkat Inflasi Tahun 1995-2009 Tahun Tingkat Inflasi Perkembangan 1995 8,69 - 1996 6,68 - 2,01 1997 9,11 2,43 1998 95,21 86,10 1999 0,24 - 94,97 2000 10,46 10,22 2001 14,13 3,67 2002 9,15 - 4,98 2003 4,79 - 4,36 2004 6,06 1,27 2005 14,12 8,06 2006 6,71 - 7,41 2007 6,27 - 0,44 2008 8,73 2,46 2009 5,39 - 3,34 Sumber : Badan Pusat Statistik Jawa Timur diolah

4.3. Hasil Analisis Asumsi Regresi Klasik BLUE Best Linier Unbiased Estimator.

Agar dapat diperoleh hasil estimasi yang BLUE Best Linier Unbiased Estimator atau perkiraan linier tidak bias yang terbaik maka estimasi tersebut harus memenuhi beberapa asumsi yang berkaitan. 76 Apabila salah satu asumsi tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Dalam hal ini harus dihindarkan terjadinya kasus-kasus sebagai berikut : 1. Autokorelasi Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1995:201. Untuk mengujji variabel-variabel yang diteliti apakah terjadi autokorelasi atau tidak dapat digunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai Durbin Watson yang dihitung dengan nilai Durbin Watson dL dan du dalam tabel. Distribusi penetuan keputusan dimulai dari 0 nol sampai 4 empat. Kaidah keputusan dapat dijelaskan sebagai berikut : 1. Jika d lebih Makanan dan Minuman daripada d L atau lebih besar daripada 4-d L 2. Jika d teletak antara d , maka hipotesis nol ditolak yang berarti terdapat autokorelasi. U dan 4-d U 3. Jika nilai d terletak antara d , maka hipotesis nol diterima yang berarti tidak ada autokorelasi. L dan d U atau antara 4-d L dan 4-d U maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya autokorelasi di antara faktor-faktor penganggu. 77 Untuk mengetahui ada tidaknya gejala autokorelasi dalam model penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 4 k=4 dan banyaknya data adalah n=15 sehingga diperoleh nilai DW tabel adalah sebesar d L = 0,688 dan d U Gambar 7. Kurva Statistik Durbin Watson = 1,977. Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis pastian pastian Tolak Tidak ada Tolak Ho autokorelasi Ho 0 d L = 0,688 d U = 1,977 4-d U = 2,023 4-d L = 3,312 d 1,305 Sumber : Lampiran 2 dan 7 Berdasarkan hasil analisis, maka dalam model regresi ini tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebesar 1,305 berada pada daerah antara dL dan dU yang berarti berada dalam daerah ketidak pastian.

2. Multikolinier

Multikolinieritas berarti ada hubungan linier yang “sempurna” atau pasti di antara beberapa atau semua variabel independen dari model regresi. Dari dugaan adanya multikolinieritas tersebut maka perlu adanya pembuktian secara statistik ada atau tidaknya gejala 78 multikolinier dengan cara menghitung Variance Inflation Factor VIF. VIF menyatakan tingkat “pembengkakan” varians. Apabila VIF lebih besar dari 10, hal ini berarti terdapat multikolinier pada persamaan regresi linier. Adapun hasil yang diperoleh setelah diadakan pengujian analisis regresi linier berganda diketahui bahwa dari keempat variabel yang dianalisis dapat dilihat pada tabel berikut : Tabel 6 : Tes Multikolinier TOLERANCE VIF Ketentuan KETERANGAN 0,598 1,672 ≤ 10 Tidak terjadi Multikolinier 0,804 1,244 ≤10 Tidak terjadi Multikolinier 0,417 2,396 ≤10 Tidak terjadi Multikolinier 0,645 1,551 ≤10 Tidak terjadi Multikolinier Sumber : Lampiran 3

3. Heterokedastisitas

Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel bebas X. Hal ini bisa diidentifikasikan dengan menghitung korelasi rank spearman antara residual dengan seluruh variabel bebas. Pembuktian adanya heterokedastisitas dilihat pada tabel dibawah ini. 79 Tabel 7. Tes Heterokedastisitas dengan Korelasi Rank Spearman Korelasi Residual Simpangan Baku Spearmans rho Residual Simpangan Baku Koefisien Korelasi 1000 Sig. 2-tailed - N 15 Jumlah Dana Pihak Ketiga Bank X1 Koefisien Korelasi .054 Sig. 2-tailed .850 N 15 Jumlah Pengusaha Kecil X2 Koefisien Korelasi -.093 Sig. 2-tailed .742 N 15 Tingkat Suku Bunga Kredit X3 Koefisien Korelasi .154 Sig. 2-tailed .585 N 15 Tingkat Inflasi X4 Koefisien Korelasi .689 Sig. 2-tailed .752 N 15 Sumber : Lampiran 4. Berdasarkan tabel diatas, diperoleh tingkat signifikansi koefisien korelasi rank spearman untuk variabel bebas X 1 sebesar 0,850; X 2 sebesar 0,742; X 3 sebesar 0,585 dan X 4 Berdasarkan pengujian yang telah dilakukan diatas dapat disimpulkan bahwa pada model penelitian ini tidak terjadi pelanggaran asumsi klasik. sebesar 0,752 terhadap residual lebih besar dari 0,05 tidak signifikan sehingga tidak mempunyai korelasi yang berarti antara nilai residual dengan variabel yang menjelaskan. Jadi dapat disimpulkan persamaan tersebut tidak terjadi heterokedastisitas. 80

4.3.1 Analisis Dan Pengujian Hipotesis

Dalam analisis ini digunakan analisis regresi linier berganda dan untuk mengolah data yang ada diguanakan alat bantu komputer dengan program SPSS Statistic Program For Social Science versi 13.0. Berdasarkan hasil analisis diperoleh persamaan regresi linier berganda sebagai berikut : Y = 2869834+ 0,035 X 1 + 195,594 X 2 - 118582 X 3 + 34983,550 X Berdasarkan persamaan tersebut di atas, maka dapat dijelaskan melalui penjelasan sebagai berikut: 4 βo = nilai konstanta sebesar 2869834 menunjukkan bahwa apabila faktor Jumlah Dana Pihak Ketiga Bank X 1 , Jumlah Pengusaha Kecil X 2 , Tingkat Suku Bunga Kredit X 3 ,dan Tingkat Inflasi X 4 β konstan maka Penyaluran Kredit naik sebesar Rp.2.869.834. 1 = 0,035. menunjukkan bahwa faktor Jumlah Dana Pihak Ketiga Bank X 1 berpengaruh positif, dapat diartikan apabila Jumlah Dana Pihak Ketiga Bank mengalami peningkatan satu juta rupiah maka Penyaluran Kredit akan mengalami peningkatan sebesar Rp.35.000 dengan asumsi X 2 , X 3 dan X 4 β Konstan. 2 = 95,594 menunjukkan bahwa faktor Jumlah Pengusaha Kecil X 2 berpengaruh positif, dapat diartikan apabila ada kenaikan Jumlah Pengusaha Kecil satu unit maka Penyaluran Kredit 81 akan mengalami peningkatan sebesar Rp.95.594.000 dengan asumsi X 1 , X 3 dan X 4 β Konstan. 3 = -118582 menunjukkan bahwa faktor Tingkat Suku Bunga Kredit X 3 berpengaruh negatif, dapat di artikan apabila ada kenaikan Tingkat Suku Bunga Kredit satu persen maka Penyaluran Kredit akan mengalami penurunan sebesar Rp.118582 juta dengan asumsi X 1 , X 2 dan X 4 β Konstan. 4 = 34983,550 menunjukkan bahwa faktor Tingkat Inflasi X 4 berpengaruh positif, dapat di artikan apabila setiap ada kenaikan Tingkat Inflasi satu persen maka Penyaluran Kredit akan mengalami peningkatan sebesar Rp.34983,550 juta dengan asumsi X 1 , X 2 dan X 3

4.3.2. Uji Hipotesis Secara Simultan

Konstan. Untuk mengetahui pengaruh secara simultan antara variabel bebas terhadap variabel terikat digunakan uji F dengan langkah – langkah sebagai berikut : Tabel 8: Analisis Varian ANOVA Sumber Varian Jumlah Kuadrat Df Kuadrat Tengah F hitung F tabel Regresi 2E+013 4 6,157E+012 9,152 3,48 Sisa 7E+012 10 6,728E+011 Total 3E+013 14 Sumber: Lampiran 3 dan 6 82 1. Untuk menguji pengaruh secara simultan serempak digunakan uji F dengan langkah-langkah sebagai berikut: a. Ho : β 1 = β 2 = β 3 = β 4 Secara keseluruhan variabel bebas tidak ada pengaruh terhadap variabel terikat. = 0 Hi : β 1 ≠ β 2 ≠ β 3 ≠ β 4 Secara keseluruhan variabel bebas ada pengaruh terhadap variabel terikat. ≠ 0 b. α = 0,05 dengan df pembilang = 4 df penyebut = 15 c. F tabel α = 0,05 = 3,48 d. F hitung = Rata - rata kuadrat regresi Rata - rata kuadrat sisa 6,157E+012 = --------------------------- = 9,152 6,728E+011 e. Daerah pengujian Gambar 8. Distribusi Kriteria PenerimaanPenolakan Hipotesis Secara Simultan atau Keseluruhan 9,152 3,48 Daerah Penerimaan H Daerah Penolakan H tabel 83 Ho diterima apabila F hitung ≤ 3,48 Ho ditolak apabila F hitung 3,48 f . Kesimpulan Oleh karena F hitung = 9,152 F tabel = 3,48 maka Ho ditolak dan Ha diterima, yang berarti bahwa secara keseluruhan faktor– faktor variable bebas yaitu Jumlah Dana Pihak Ketiga Bank X 1 , Jumlah Pengusaha Kecil X 2 , Tingkat Suku Bunga Kredit X 3 , dan Tingkat Inflasi X 4 Uji Hipotesis Secara Parsial , berpengaruh secara simultan dan nyata terhadap Penyaluran Kredit Y. Analisis ini dilakukan untuk mengetahui pengaruh antara variabel bebas Jumlah Dana Pihak Ketiga Bank X 1 , Jumlah Pengusaha Kecil X 2 , Tingkat Suku Bunga Kredit X 3 ,dan Tingkat Inflasi X 4 Tabel 9 : Hasil Analisis Variabel Jumlah Dana Pihak Ketiga Bank X . Hasil penghitungan tersebut dapat dilihat dalam analisis sebagai berikut : 1 , Jumlah Pengusaha Kecil X 2 , Tingkat Suku Bunga Kredit X 3 ,dan Tingkat Inflasi X 4 Variabel terhadap Penyaluran Kredi Y. Koefisien Regresi t hitung t tabel r 2 Parsial Jumlah Dana Pihak Ketiga Bank X1 0,035 3,929 2,228 0,606 Jumlah Pengusaha Kecil X2 195,594 2,418 2,228 0,368 Tingkat Suku Bunga Kredit X3 -118582 -1,063 2,228 0,101 Tingkat InflasiX4 34983,550 2,924 2,228 0,461 Variabel terikat : Penyaluran Kredit Konstanta : 2869834 Koefisien Korelasi R : 0,886 R 2 : 0,785 Sumber: Lampiran 3 dan 6 84 Selanjutnya untuk melihat ada tidaknya pengaruh masing- masing variabel terhadap variable terikatnya, dapat dianalisa melalui uji t dengan ketentuan sebagai berikut : a Pengaruh secara parsial antara Jumlah Dana Pihak Ketiga Bank X 1 Langkah-langkah pengujian : terhadap Penyaluran Kredit Y i. Ho : β 1 Hi : β = 0 tidak ada pengaruh 1 ii. α = 0,05 dengan df = 4 ≠ 0 ada pengaruh iii. t hitung = β Se β 1 1 = 3,929 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,228 v. pengujian Gambar 9 Kurva Distribusi Hasil Analisis secara Parsial Faktor Jumlah Dana Pihak Ketiga Bank X 1 terhadap Penyaluran Kredit Y Sumber Berdasarkan pehitungan diperoleh t-hitung sebesar 3,929 t-tabel sebesar 2,228 Ho ditolak dan Ha diterima pada level signifikan 5 , sehingga secara parsial Faktor Jumlah Dana Pihak Ketiga Bank X : lampiran 3 1 berpengaruh secara nyata dan positif terhadap Penyaluran Kredit Y. Hal ini didukung juga dengan nilai 2,228 -2,228 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho 3,929 85 signifikansi dari Jumlah Dana Pihak Ketiga Bank X 1 Nilai r sebesar 0,003 yang lebih kecil dari 0,05. 2 parsial untuk variabel Jumlah Dana Pihak Ketiga Bank sebesar 0,606 yang artinya bahwa Jumlah Dana Pihak Ketiga Bank X 1 b Pengaruh secara parsial antara Jumlah Pengusaha Kecil X secara parsial mampu menjelaskan variabel terikat Penyaluran Kredit Y sebesar 60,6 , sedangkan sisanya 39,4 tidak mampu dijelaskan oleh variabel tersebut. 2 Langkah-langkah pengujian : terhadap Penyaluran Kredit Y i. Ho : β 2 Hi : β = 0 tidak ada pengaruh 2 ii. α = 0,05 dengan df = 4 ≠ 0 ada pengaruh iii. t hitung = β Se β 2 2 = 2,418 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,228 v. pengujian Gambar 10 Kurva Distribusi Hasil Analisis secara Parsial faktor Jumlah Pengusaha Kecil X 2 terhadap Penyaluran Kredit Y Sumber : Lampiran 3 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho -2,288 2,228 2,418 86 Berdasarkan pehitungan diperoleh t-hitung sebesar 2,418 t tabel sebesar 2,228 maka Ho ditolak dan Ha di terima, pada level signifikan 5 , sehingga secara parsial Faktor Jumlah Pengusaha Kecil X 2 berpengaruh secara nyata positif terhadap Penyaluran Kredit Y. hal ini didukung juga dengan nilai signifikansi dari Jumlah Pengusaha Kecil X 2 Nilai r sebesar 0,036 yang lebih kecil dari 0,05. 2 parsial untuk variabel Jumlah Pengusaha Kecil sebesar 0,368 yang artinya bahwa Jumlah Pengusaha X 2 c Pengaruh secara parsial antara Tingkat Suku Bunga Kredit X secara parsial mampu menjelaskan variabel terikat Penyaluran Kredit Y sebesar 36,8 , sedangkan sisanya 63,2 tidak mampu dijelaskan oleh variabel tersebut. 3 Langkah-langkah pengujian : terhadap Penyaluran Kredit Y i. Ho : β 3 Hi : β = 0 tidak ada pengaruh 3 ii. α = 0,05 dengan df = 4 ≠ 0 ada pengaruh iii. t hitung = β Se β 3 3 = -1,063 iv. level of significani = 0,052 0,025 berarti t tabel sebesar 2,228 87 v. pengujian Gambar 11 Kurva Distribusi Hasil Analisis secara Parsial Tingkat Suku Bunga Kredit X 3 terhadap Penyaluran Kredit Y Sumber Berdasarkan pehitungan diperoleh t-hitung sebesar -1,063 t tabel sebesar 2,228 maka Ha diterima dan Ho ditolak, pada level signifikan 5 , sehingga secara parsial Faktor Tingkat Suku Bunga Kredit X : Lampiran 3 3 tidak berpengaruh secara nyata positif terhadap Penyaluran Kredit Y.hal ini didukung juga dengan nilai signifikansi dari Tingkat Suku Bunga Kredit X 3 Nilai r sebesar 0,313 yang lebih besar dari 0,05. 2 parsial untuk variabel Tingkat Suku Bunga Kredit sebesar 0,101 yang artinya Tingkat Suku Bunga Kredit X 3 secara parsial mampu menjelaskan variabel terikat Penyaluran Kredit Y sebesar 10,1 , sedangkan sisanya 89,9 tidak mampu dijelaskan oleh variabel tersebut. 2,228 -1,063 - 2,228 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho 88 d Pengaruh secara parsial antara Tingkat Inflasi X 4 Langkah-langkah pengujian : terhadap Penyaluran Kredit Y vi. Ho : β 4 Hi : β = 0 tidak ada pengaruh 4 vii. α = 0,05 dengan df = 4 ≠ 0 ada pengaruh viii. t hitung = β Se β 4 4 = 2,924 ix. level of significani = 0,052 0,025 berarti t tabel sebesar 2,228 x. pengujian Gambar 12 Kurva Distribusi Hasil Analisis secara Parsial Tingkat InflasiX 4 terhadap Penyaluran Kredit Y Sumber Berdasarkan pehitungan diperoleh t-hitung sebesar 2,924 t tabel sebesar 2,228 maka Ho di tolak dan Ha di terima, pada level signifikan 5 , sehingga secara parsial Faktor Tingkat Inflasi X : Lampiran 3 4 berpengaruh secara nyata positif terhadap Penyaluran Kredit Y. hal ini didukung juga dengan nilai signifikansi dari Tingkat Inflasi X 4 Nilai r sebesar 0,015 yang lebih kecil dari 0,05. 2 parsial untuk variabel Tingkat Inflasi sebesar 0,461 yang artinya Tingkat Inflasi X 4 secara parsial mampu 2,228 2,924 - 2,228 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho 89 menjelaskan variabel terikat Penyaluran Kredit Y sebesar 46,1 , sedangkan sisanya 53,9 tidak mampu dijelaskan oleh variabel tersebut. Kemudian untuk mengetahui variabel mana yang berpengaruh paling dominan empat variabel bebas terhadap Penyaluran Kredit di Indonesia : Jumlah Dana Pihak Ketiga Bank X 1 , Jumlah Pengusaha Kecil X 2 , Tingkat Suku Bunga Kredit X 3 , dan Tingkat Inflasi X 4 dapat diketahui dengan melihat koefisien determinasi parsial yang paling besar, dimana dalam perhitungan ditunjukkan oleh variabel Jumlah Dana Pihak Ketiga Bank dengan koefisien determinasi parsial r 2

4.4. Pembahasan