UJI ASUMSI KLASIK Analisis faktor-faktor yang mempengaruhi kebijakan penyaluran kredit perbankan; studi kasus pada bank umum di Indonesia periode tahun 2001-2009
93
apakah terjadi multikolinearitas dapat dilihat dari nilai VIF yang terdapat pada masing-masing variabel seperti terlihat pada tabel sebagai berikut.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Keputusan Tolerance
VIF
1 Ln.CAR
.735 1.361
Tidak ada multikolonieritas Ln.ROA
.575 1.738
Tidak ada multikolonieritas Ln.LDR
.810 1.235
Tidak ada multikolonieritas Ln.M2
.618 1.617
Tidak ada multikolonieritas Ln.SBI
.705 1.419
Tidak ada multikolonieritas Ln.NPL
.876 1.141
Tidak ada multikolonieritas Ln.DPK
.683 1.464
Tidak ada multikolonieritas a. Dependent Variable: Kredit
Sumber : Data sekunder diolah Dari tabel diatas menunjukkan suatu model regresi dinyatakan bebas dari
multikolinearitas adalah jika data mempunyai nilai Tolerance lebih besar dari 0.1 dan nilai VIF lebih kecil dari 10. Dari tabel tersebut diperoleh bahwa semua
variabel bebas memiliki nilai Tolerance berada dibawah 1 dan nilai VIF jauh dibawah angka 10. Dengan demikian dalam model ini tidak ada masalah pada uji
multikolinieritas. c. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
94
yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terajdi
heteroskedastisitas Ghozali, 2006 . Untuk menentukan heteroskedastisitas dapat menggunakan grafik
scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik di atas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka
tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukan pada
gambar dibawah ini:
Gambar 4.3 Hasil Uji Heterokedastisitas
Sumber : Data sekunder diolah Dengan melihat grafik scatterplot diatas, terlihat titik-titik menyebar
secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedatisitas
pada model transformasi regresi yang digunakan homokedastisitas.
95
d. Uji Autokorelasi Uji autokorelasi dilakukan dengan menggunakan uji Durbin Watson D-
W. Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antara kesalahan pengganggu pada periode tertentu
dengan periode sebelumnya. Model regresi yang baik adalah model regresi yang bebas dari masalah autokorelasi.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error
of the Estimate
D-W
1 .998
a
.995 .995
.1129229 .890
a. Predictors: Constant, ln_dpk, ln_CAR, ln_SBI, ln_LDR, ln_npl, ln_M2, ln_ROA
b. Dependent Variable: kredit Sumber : Data sekunder diolah
Dari tabel 4.5 di atas menunjukkan bahwa nilai D-W sebesar 0.890. Dengan jumlah predictors sebanyak 6 buah k=6 dan sampel sebanyak 18
perusahaan n=90, berdasarkan tabel D-W dengan tingkat signifikansi 5, maka dapat ditentukan nilai dl adalah sebesar 1,5181 dan du adalah sebesar 1,8014.
Dengan demikian nilai D-W dl yang menandakan bahwa terdapat autokorelasi positif dalam model regresi, atau dengan kata lain, penelitian ini masih belum
terbebas dari masalah autokorelasi. Namun menurut Sunyoto 2009:91-92, nilai D-W yang berada diantara -2 dan +2 dapat dijadikan acuan bahwa tidak terjadi
masalah autokorelasi dalam model penelitian. Maka karena nilai D-W sudah
96
berada diantara -2 dan +2, dapat disimpulkan bahwa model regresi dalam penelitian ini telah terbebas dari masalah autokorelasi.