Model Analisis Data Metode Analisis Data

3.3.2 Variabel Terikat atau Dependent Variable Y

Variabel terikat atau dependent variable dalam penelitian ini adalah keseluruhan pinjaman atau total kredit yang disalurkan oleh bank umum di Jawa Tengah. Data total permintaan kredit ini diambil dari data yang dikeluarkan Bank Indonesia yang dinyatakan dalam juta rupiah berdasarkan perhitungan bulanan pada tahun 2006-2010.

3.4 Model Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah regresi berganda dengan metode ordinary least square OLS. Dalam penelitian ini pengujian dilakukan dengan bantuan software computer E-views 6.0 dan pembahasan analisis secara deskriptif. Adapun Fungsi dari Determinan kredit di Jawa Tengah adalah sebagai berikut : PK = Fungsi Suku bunga kredit, Inflasi, Nilai Tukar dan Krisis Global Model ekonometri dari fungsi permintaan kredit adalah sebagai berikut : LogY = α + β 1 X 1 + β 2 X 2 + Logβ 3 X 3 +β4Dm + ε Keterangan : Y = Permintaan kredit Pada bank umum juta Rp X 1 = Tingkat suku bunga kredit X 2 = Inflasi X 3 = Nilai tukar Rp terhadap US RpUS Dm= Krisis global 0 = Sebelum Krisis global 1 = Setelah Krisis global α = Konstanta β 1 = Koefisien Regresi Faktor X 1 β 2 = Koefisien Regresi Faktor X 2 β 3 = Koefisien Regresi Faktor X 3 ε = disturbance error faktor penggangguresidual

3.5 Metode Analisis Data

3.5.1 Uji Statistik

Uji ini dilakukan untuk mengetahui seberapa besar variabel dependen mampu dijelaskan oleh variabel independen serta meneliti signifikansi pengaruh variabel independen terhadap variabel dependen baik secara individu maupun secara simultan. Uji ini meliputi Uji t, Uji F dan Uji Koefisien Determinan R 2 .

1. Uji t

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat Kuncoro, 2007:81. Dalam penelitian ini variabel yang diuji adalah tingkat suku bunga, inflasi dan nilai tukar Rp terhadap US terhadap permintaan kredit di Jawa Tengah tahun 2006-2010. Langkah-langkah dalam Uji t adalah sebagai berikut : 1. Menentukan hipotesis : - Ho : β = 0, variabei independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen. - Ha : β ≠ 0, variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. 2. Menentukan tingkat signifikansi α yang digunakan, α = 5 3. Kriteria penerimaan dan penolakan Hipotesis: - Jika t-hitung t-tabel, maka Ho ditolak dan Ha diterima. - Jika t-hitung t-tabel, maka Ho diterima dan Ha ditolak. - Jika probabilitas 0.05, Maka Ho diterima dan Ha ditolak - Jika probabilitas 0.05, Maka Ho ditolak dan Ha diterima

2. Uji F

Uji statistik F pada dasarnya menunjukkan apakah variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat Kuncoro, 2007:82. Langkah-langkah uji F yaitu sebagai berikut : 1. Menentukan hipotesis : Ho : β 1 = β 2 = β 3 = βi = 0, maka variabel independen secara bersama- sama simultan tidak mempengaruhi variabel dependen. Artinya bahwa tingkat suku bunga, inflasi, nilai tukar dan krisis global tidak berpengaruh secara signifikan terhadap permintaan kredit pada bank umum di Jawa Tengah pada tahun 2006-2010. Ha : β 1 ≠ β 2 ≠ β 3 ≠ βi ≠ 0, maka variabel independen secara bersama- sama simultan mempengaruhi variabel dependen. Artinya bahwa tingkat suku bunga, inflasi, nilai tukar dan krisis global berpengaruh secara signifikan terhadap permintaan kredit pada bank umum di Jawa Tengah pada tahun 2006- 2010. 2. Menentukan tingkat signifikansi α yang digunakan, α = 5 3. Membuat Keputusan Jika F-hitung F-tabel, maka Ho ditolak dan Ha diterima, yang berarti variabel-variabel independen secara simultan berpengaruh terhadap variabel dependen. Jika F-hitung F-tabel, maka Ho diterima dan Ha ditolak, yang berarti variabel-variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.

3. Koefisien Determinasi R

2 Koefisisien Determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel –variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang tempat relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtut waktu biasanya mempunyai nilai koefisien determinasi yang tinggi Kuncoro, 2007:84.

3.5.2 Uji Asumsi Klasik

Uji asumsi klasik yang digunakan adalah uji multikolinieritas, uji heteroskedastisitas, uji autokorelasi. Uji normalitas hanya digunakan jika jumlah observasi adalah kurang dari 30, untuk mengetahui error term mendekati normal. Jika jumlah observasi lebih dari 30, maka tidak perlu dilakukan. Sebab, normalitas error term telah mendekati normal Ajija, dkk, 2011:41

1. Multikolinieritas

Multikolinieritas adalah adanya hubungan linier yang sempurna dan pasti di antara atau semua variabel yang menjelaskan dari model regresi, Indikasi awal adanya multikolinieritas adalah standard error yang tinggi dan nilai T-statistik yang rendah Gujarati,1997:157. Sedangkan menurut Hasan 2002:292 multikolinieritas berarti antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linier. Multikolinieritas dapat muncul apabila model yang dipakai merupakan model yang kurang bagus. Selain indikasi awal tersebut, multikolinieritas dapat dilihat dari nilai R 2 , nilai F hitungnya tinggi, sementara nilai t statistiknya banyak yang tidak signifikan. Dalam penelitian ini cara melakukan uji multikolinieritas adalah metode klien, yaitu dengan membandingkan koefisien determinan parsial r 2 dengan koefisien determinan majemuk R 2 regresi awal. Jika R 2 r 2 maka tidak terjadi multikolinieritas. Dalam penelitian ini pengujian terhadap multikolinieritas dengan menggunakan bantuan software E-views 6.0.

2. Heteroskedastisitas

Heteroskedastisitas adalah suatu penyimpangan asumsi OLS dalam bentuk varians gangguan estimasi yang dihasilkan oleh estimasi OLS bernilai konstan Yuwono, 2005:121. Gejala heteroskedastisitas lebih sering dijumpai dalam data silang tempat dari pada runtut waktu, maupun juga sering muncul dalam analisis yang menggunakan data rata-rata Ananta dalam Kuncoro, 2007:96. Masalah Heteroskedastisitas muncul apabila residual dari model regresi yang diamati memiliki varians yang tidak konstan dari satu observasi ke observasi lain. Dalam penelitian ini pengujian heteroskedastisitas dilakukan dengan Uji White dalam program Eviews yaitu dengan White heteroskedasticity cross term . Pengambilan keputusan terdapat heteroskedastisitas atau tidak dalam hasil estimasi model maka harus ditentukan dahulu df χ 2 -hitung dan nilai df χ 2 -tabel . Di mana chi-square = ObsR R 2 dikalikan jumlah data. Menurut Ghozali 2009:44 penentuan derajat kebebasan degree of freedom di mana df sama dengan jumlah variabel independen dalam model tidak termasuk konstanta. Hipotesis menentukan ada tidaknya Heteroskedastisitas : - Ho : Tidak ada heteroskedastisitas - Ha : Ada heteroskedastisitas Apabila χ 2 - hitung χ-tabel, maka Ho ditolak dan dari hasil uji white dapat disimpulkan bahwa hipotesis yang menyatakan bahwa model bebas dari masalah heteroskedastisitas ditolak. Sebaliknya jika χ 2 - hitung χ-tabel maka dapat disimpulkan jika hipotesis yang menyatakan model bebas dari masalah heteroskedastisitas diterima.

3. Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari observasi ke observasi lainnya Ghozali, 2009:79. Dalam penelitian ini Uji autokorelasi yang digunakan adalah uji LM metode Bruesch Godfrey. Salah satu cara untuk menghilangkan pengaruh autokorelasi tersebut adalah dengan memasukkan lag variabel dependen ke dalam model regresi. Keputusan ada tidaknya autokorelasi sangat tergantung dari kelambanan yang dipilih maka dari itu dilakukan metode trial and errors . Untuk memilih panjangnya lag yang digunakan menggunakan kriteria yang dikemukakan oleh Akaike dan Schwars yaitu mencari nilai absolut Akaike info criterion terkecil sebagai lag yang digunakan Widarjono, 2009:149. Kriteria dalam pengukuran autokorelasi dengan uji LM adalah membandingkan nilai chi-square hitung dengan chi-square tabel serta probabilitas dari chi-square dengan α. Hipotesis menentukan ada tidaknya autokorelasi : - Ho = Tidak ada Autokorelasi - Ha = Ada Autokorelasi Adapun kriteria pengambilan keputusan adalah sebagai beikut : - Jika χ 2 -hitung χ 2 -tabel maka hipotesis yang menyatakan model bebas dari masalah autokorelasi ditolak. - Jika χ 2 -hitung χ 2 -tabel maka hipotesis yang menyatakan model bebas dari masalah autokorelasi diterima. - Jika probabilitas χ 2 -hitung 0,05 maka hipotesis yang menyatakan model bebas dari masalah autokorelasi diterima. - Jika probabilitas χ 2 -hitung 0,05 maka hipotesis yang menyatakan model bebas dari masalah autokorelasi ditolak. 58

BAB IV HASIL DAN PEMBAHASAN