penelitian ini variabel independen ditujukan oleh kredit yang disalurkan pada sektor-sektor ekonomi. Hasil uji normalitas pada
Tabel 14 menunjukkan bahwa seluruh variabel independen berdistribusi normal. Hal ini dapat dilihat dengan nilai Asymp. Sig
2-tailed yang lebih besar dari angka 0,05. Dengan demikian, pengolahan data dapat dilakukan dengan menggunakan statistik
parametrik, yang dalam penelitian ini menggunakan model regresi berganda.
4.3.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat korelasi antara variabel independen. Dikatakan terjadi multikolinearitas pada model
apabila terdapat korelasi yang pasti antara variabel independen. Konsekuensi dari adanya multikolinearitas yang sempurna diantara
variabel independen adalah bahwa koefisien regresinya tak tentu dan kesalahan standarnya besar Gujarati, 1978. Keadaan ini juga
berdampak pada kemungkinan untuk menerima hipotesis yang salah menjadi besar. Selain itu, kesalahan standar akan menjadi semakin
besar dan sensitif jika ada perubahan data. Multikolinearitas juga menyebabkan tidak mungkinnya mengisolasi pengaruh individual
dari variabel independen. Tabel
16. Hasil Uji Multikolinearitas Model Regresi Berganda
Dampak Alokasi Kredit Sektoral terhadap Pendapatan Bunga Kredit Bank BNI pada tahun 1997-2005
Sumber: Laporan Keuangan Bank BNI data diolah kembali Uji multikolinearitas dilakukan dengan melihat koefisien
korelasi antar variabel independen pada matriks korelasi Tabel 15. Koefisien korelasi antar variabel menunjukkan nilai yang lebih kecil
daripada nilai koefisien R-squared 0,966. Kesimpulan yang dapat
Peubah Sektoral X
1
X
2
X
3
X
4
X
5
X
6
1. Pertanian X
1
1 -0,722
-0,910 0,410
0,216 0,644
2. Pertambangan X
2
-0,722 1 0,637 -0,507
0,190 -0,657
3. Perindustrian X
3
-0,910 0,637 1
-0,475 -0,332
-0,654 4. Perdagangan X
4
0,410 -0,507
-0,475 1
-0,411 0,435
5. Jasa-Jasa X
5
0,216 0,019
-0,332 -0,411
1 0,266
6. Lain-Lain X
6
0,644 -0,657 -0,654 0,435 0,266 1
diambil bahwa model regresi ini bebas dari masalah multikolinearitas.
4.3.3. Uji Autokorelasi
Uji autokorelasi dilakukan melalui uji Durbin Watson DW yang terdapat pada program SPSS. Uji ini bertujuan untuk melihat
ada tidaknya korelasi antar anggota dari serangkaian observasi yang diurutkan melalui waktu. Uji autokorelasi biasanya dilakukan untuk
data time series. Hal ini disebabkan oleh data yang terdapat pada suatu periode dipengaruhi data yang terjadi pada periode sebelumnya,
karena pada kenyataannya akan selalu terdapat kemungkinan pada observasi yang menggunakan data time series menimbulkan
autokorelasi. Model regresi yang baik adalah tidak adanya autokorelasi,
dimana gangguan pada suatu observasi tidak dipengaruhi oleh gangguan yang berhubungan dengan pengamatan lain. Lebih
jelasnya bahwa gangguan dalam periode sekarang tidak berhubungan secara linear dengan unsur gangguan dalam periode waktu
sebelumnya. Akibat dari terjadinya autokorelasi adalah varian residual yang diperoleh akan lebih dari pada semestinya sehingga
mengakibatkan koefisien determinasi menjadi lebih tinggi. Selain itu, autokorelasi menyebabkan pengujian hipotesis dalam uji F dan uji t
menjadi tidak valid dan jika diterapkan akan memberikan kesimpulan yang menyesatkan pada tingkat signifikansi dan
koefisien regresi yang ditaksir. Berdasarkan pada hasil uji Durbin Watson, menunjukkan bahwa nilai DW sebesar 1,839. Dengan
demikian, nilai ini berada di antara -2 sampai 2, sehingga dapat disimpulkan tidak terjadi autokorelasi pada model regresi.
4.3.4. Uji Heteroskedastisitas
