77
2006:105 maka ada pada daerah ragu-ragu atau tanpa kesimpulan, sehingga tidak dapat disimpulkan ada tidaknya autokorelasi, oleh karena itu penulis
menyimpulkan bahwa penelitian ini dapat dilanjutkan.
b. Pengujian Heteroskedastisitas
Hasil uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggunakan bantuan program SPSS 12.0 dengan melihat Rank Spearman’s
Correlation. Hasil pengujian Rank Spearman’s dapat dilihat pada tabel berikut ini:
Tabel 4.8. Hasil Pengujian Heteroskedastisitas No
Variabel Nilai mutlak
dari residual Taraf
Signifikansi Keterangan
1. Pertambahan Dana
X
1
-0,021 0,948 Non
Heteroskedastisitas 2
Alokasi Dana X
2
-0,021 0,948
Non Heteroskedastisitas
3 Jumlah Anggota X
3
-0,98 0,761 Non
Heteroskedastisitas 4 Pendapatan
X
4
0,021 0,948
Non Heteroskedastisitas
Sumber : Lampiran 3.1.
Menurut Ghozali 2006:105 uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan yang lain. Salah satu cara untuk mendeteksi ada atau tidak adanya Heteroskedastisitas adalah dengan cara menggunakan uji rank
spearman. Berdasarkan hasil korelasi tersebut tidak diperoleh adanya korelasi yang
signifikan antara Unstandardized Residual dengan masing-masing variabel bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat
disimpulkan bahwa tidak terjadi penyimpangan heteroskedastisitas pada variabel-
78
variabel bebas yang diteliti.
c. Pengujian Multikolinearitas
Identifikasi secara statistik ada atau tidaknya gejala multikolinieritas dapat dilakukan dengan menghitung Variance Inflation Factor VIF.
Berdasarkan hasil pengujian, diperoleh hasil bahwa nilai VIF untuk masing-masing variabel adalah sebagai berikut:
Tabel 4.9. Hasil Pengujian Multikolinieritas No Variabel
Tolerance VIF Keterangan
1 Pertambahan Dana
X
1
0,017 58,232 Terjadi
Multikolinier 2
Alokasi Dana X
2
0,009 1
17,218 Terjadi
Multikolinier 3
Jumlah Anggota X
3
0,395 2,529
Non Multikolinier 4 Pendapatan
X
4
0,014 71,294
Terjadi Multikolinier
Sumber : Lampiran 3.1.
Menurut Ghozali 2006:91, uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Salah satu cara yang digunakan untuk mengetahui ada tidaknya multikolonieritas yaitu dengan melihat besarnya nilai Variance Inflation Factor
VIF. Berdasarkan tabel di atas dapat diketahui bahwa nilai VIF hanya pada
variabel Jumlah Anggota X
3
saja yang mempunyai nilai VIF lebih kecil dari 10 2006:91, yang berarti bahwa hanya variabel Jumlah Anggota saja yang terbebas
dari penyimpangan multikolinier. Sedangkan pada variabel Pertambahan Dana X
1
, Alokasi Dana X
2
dan Pendapatan X
4
mempunyai nilai VIF yang lebih besar dari 10, berarti bahwa pada variabel tersebut terkena multikolinier. Oleh
79
karena beberapa variabel dalam penelitian ini terkena multikolinier, maka penelit
ini adalah X
1
. Berikut adalah hasil pengujian terhadap variabel bebas X
2
, X
3
ap tiga erikat yang diteliti dengan menggunakan uji
Kolmogorov-Smirnov dan Shapiro W il sebagai berikut :
Tabel 4.10. Hasil Uji Norm
n yang lebih dari 0,05, sesuai dengan kriteria bahwa ian ini tidak bisa dilanjutkan untuk dilakukan pengujian berikutnya
. B.
Analisis Dengan Menghilangkan X
1
Multikolinieritas dapat diatasi dengan cara menghilangkan salah satu atau beberapa variabel bebasnya Ghozali, 2006:95. Dengan demikian dalam analisis
selanjutnya variabel bebas yang tidak diuji dalam penelitian Pertambahan Dana
dan X
4
dengan variabel terikat Y sebagai berikut:
1. Uji Normalitas
Berdasarkan hasil pengujian normalitas yang dilakukan terhad variabel bebas dan satu variabel t
ilk didapatkan has
alitas
Tests of Nor y
malit
Sumber: lampiran 4
Berdasarkan hasil pengujian normalitas yang disajikan pada tabel 4.10 di atas diketahui bahwa nilai statistics Kolmogorov-Smirnov yang diperoleh
mempunyai taraf signifika
,156 12
,200 ,939
12 ,479
,123 12
,200 ,945
12 ,561
,216 12
,127 ,944
12 ,555
,172 12
,200 ,910
12 ,211
Pemberian Kredit Alokasi Dana
Jumlah Anggota Pendapatan
Statistic df
Sig. Statistic
df Sig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
This is a lower bound of the true significance. .
Lilliefors Significance Correction a.
80
sebaran data disebut berdistribusi normal apabila memiliki taraf signifikan 0,05
Sumar
erkecil biasa ordinary least squares enghasilkan estimasi linier tidak bias yang
terbaik asik yaitu :
Hasil pengujian autokorelasi dengan menggunakan Durbin Watson. Tersaji dalam tabel berik
Tabe
≤ DW ≤ 4-dl maka ada pada aerah ragu-ragu atau tanpa kesimpulan Ghozali, 2006:105, sehingga tidak dapat
isimpulkan ada tidaknya autokorelasi, oleh karena itu penulis menyimpulkan bahwa penelitian ini dapat dilanjutkan.
sono, 2004:41-43.
2. Hasil Pengujian Regresi Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat t
merupakan model regresi yang m Best linear Unbias Estimator BLUE. Kondisi ini akan terjadi jika
dipenuhi beberapa asumsi kl
a. Pengujian Autokolerasi
