Berdasarkan gambar 5.1 tersebut menunjukkan bahwa residual dari model logistik telah terdistribusi secara normal karena nilai statistik probalitas Jarque-
Bera sebesar 0.08 0.05, artinya nilai statistik Jarque-Bera tidak signifikan.
5.2.1.2 Uji Multikolineritas
Uji multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan korelasi antar variabel bebas independen, model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel bebas. Hasil uji multikolinieritas dapat dilihat pada tabel berikut ini :
Tabel 5.2. Uji Multikolinieritas Correlation X1 X2
X3 X4
X1 1.0000
X2 0.3335
1.0000 X3
-0.0591 0.1290
1.0000 X4 -0.1809
-0.1501 -0.0689
1.0000
VIF TOL
X1, X2 X1, X3
X1, X4 X2, X3
X2, X4 X3, X4
1.1251 1.0035
1.0338 1.0169
1.0230 1.0048
X1, X2 X1, X3
X1, X4 X2, X3
X2, X4 X3, X4
0.8888 0.9965
0.9673 0.9834
0.9775 0.9953
Berdasarkan hasil pengujian multikolinieritas pada tabel 5.2 dapat dilihat bahwa nilai tolerance TOL dari masing-masing variabel lebih besar 0,10 dan
VIF-nya lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi korelasi antar variabel independen artinya tidak terjadi multikolinieritas.
5.3. Analisis Data
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah layak dilakukan analisis regresi.
5.3.1. Persamaan Regresi
Universitas Sumatera Utara
Hasil estimasi model logistik dari keputusan pemberian kredit ditunjukkan pada tabel 5.3 :
Tabel 5.3 Hasil Pengujian Hipotesis dengan Uji Z
Dependent Variable: L Method: ML - Binary Logit Quadratic hill climbing
Sample: 1 200 Included observations: 200
Convergence achieved after 7 iterations Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic
Prob.
C -1.873503 0.628311 -2.981809
0.0029 X1 0.002897
0.006056 0.478334
0.6324 X2 0.578801
0.252120 2.295741
0.0217 X3 -0.609261
0.213840 -2.849143 0.0044
X4 0.009483 0.001789
5.300116 0.0000
Mean dependent var 0.635000 S.D. dependent var
0.482638 S.E. of regression
0.374935 Akaike info criterion 0.998472
Sum squared resid 27.41243
Schwarz criterion 1.080930
Log likelihood -94.84718 Hannan-Quinn criter.
1.031841 Restr. log likelihood
-131.2482 Avg. log likelihood -0.474236
LR statistic 4 df 72.80198 McFadden R-squared
0.277345 ProbabilityLR stat
5.77E-15 Obs with Dep=0
73 Total obs
200 Obs with Dep=1
127
Berdasarkan tabel tersebut, maka model regresi logistik dalam penelitian ini diformulasikan dalam bentuk persamaan berikut :
P P
1
= e
-1.873+0.0029X 1
+0.57X 2
-0.609X 3
+0.0094X 4
+ ε
Berdasarkan hasil persamaan diatas, maka pengaruh masing-masing variabel independen tersebut terhadap keputusan pemberian kredit dapat
diinterpretasikan sebagai berikut : a.
Nilai konstanta β
= -1.873
Nilai konstanta sebesar -1.873, menunjukkan apabila nilai variabel FATO,
Universitas Sumatera Utara
RONW, DER, Interaksi Jaminan dan Pengalaman diasumsikan sama dengan nol, maka probabilitas kredit disetujui sebesar -187.3 .
b. Koefesien X
1
= 0.0029 Koefisien regresi X
1
sebesar 0.0029, artinya kenaikan probabilitas variabel FATO sebesar 1 akan menyebabkan kenaikan probabilitas kredit yang
disetujui sebesar 0.29 dengan asumsi nilai variabel independen lainnya sama dengan nol.
c. Koefesien X
2
= 0.57 Koefesien X
2
sebesar 0.57, artinya kenaikan probabilitas variabel RONW 1 akan menyebabkan kenaikan probabilitas kredit yang disetujuinya sebesar 5.7
dengan asumsi nilai variabel independen lainnya sama dengan nol. d.
Koefesien X
3
= -0.609 Koefesien X
3
sebesar -0.609, artinya kenaikan probabilitas variabel DER 1 akan menyebabkan penurunan probabilitas kredit yang disetujuinya sebesar
60.9 dengan asumsi nilai variabel independen lainnya sama dengan nol. e.
Koefesien X
4
= 0.0094 Koefesien X
4
sebesar 0.0094, artinya kenaikan probabilitas variabel interaksi jaminan dan pengalaman debitur 1 akan menyebabkan kenaikan
probabilitas kredit yang disetujuinya sebesar 0.94 dengan asumsi nilai variabel independen lainnya sama dengan nol.
5.4. Pengujian Hipotesis