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.

3. Uji Hipotesis

a. Uji Adj R 2 Pada model regresi berganda penggunaan adjusted R 2 Adj R 2 , atau koefisien determinasi yang telah disesuaikan, lebih baik dalam melihat seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen bila dibandingkan dengan R 2 koefisien determinasi. Kelemahan dalam menggunakan nilai R 2 adalah karena adanya bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Selengkapnya mengenai hasil uji Adj R 2 penelitian dapat dilihat pada tabel 4.5 berikut. Tabel 4.5 Hasil Uji Adj R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .998 a .995 .995 .1129229 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 Besarnya angka R square R 2 adalah 0.995, angka tersebut dapat digunakan untuk melihat besarnya pengaruh nilai CAR, ROA, LDR, NPL, DPK, Suku bunga SBI, dan Jumlah Uang Beredar terhadap penyaluran kredit di dunia perbankan dengan cara menghitung koefesien determinasi KD dengan menggunakan rumus sebagai berikut : 97 KD = R 2 x 100 KD = 0.995 x 100 KD = 99.5 Angka tersebut mempunyai maksud bahwa pengaruh nilai CAR, ROA, LDR, NPL, DPK Suku bunga SBI, dan Jumlah Uang Beredar secara gabungan terhadap penyaluran kredit di perbankan adalah 99.5, sedangkan sisanya sebesar 0.5 100 - 99.5 dipengaruhi oleh variabel – variabel lain yang tidak dimasukkan ke dalam penelitian. Adapun angka koefisien korelasi R menunjukkan nilai sebesar 0,998 yang menandakan bahwa hubungan antara variabel independen dengan variabel dependen adalah kuat karena memiliki nilai R 0,5. b. Uji F Uji F bertujuan untuk mengetahui apakah seluruh variabel independen secara bersama-sama simultan memiliki pengaruh yang signifikan terhadap variabel dependen. Signifikansi model regresi pada penelitian ini diuji dengan melihat nilai signifikansi sig. yang ada di tabel 4.6. Selengkapnya mengenai hasil uji F penelitian dapat dilihat pada halaman selanjutnya. 98 Tabel 4.6 Hasil Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 928.422 7 132.632 10401.204 .000 a Residual 4.412 346 .013 Total 932.834 353 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 Hasil Uji Hipotesis 1 Pengaruh CAR, ROA, LDR, NPL, DPK, Suku Bunga SBI, dan Jumlah Uang Beredar terhadap Penyaluran kredit. Hasil uji hipotesis 1 dapat dilihat pada tabel 4.6 nilai F diperoleh 10401,204 dengan tingkat signifkansi 0,000, karena tingkat signifkansi lebih kecil dari 0,05 maka Ha diterima, sehingga dapat dikatakan bahwa CAR, ROA, LDR, NPL, DPK, Suku Bunga SBI dan Jumlah Uang Beredar berpengaruh signifikan terhadap penyaluran kredit. c. Uji t Uji t bertujuan untuk mengetahui besarnya pengaruh masing – masing variabel independen secara individual parsial terhadap variabel dependen. Apabila T hitung lebih besar T tabel T hit T tab dan nilai signifikan T hitung lebih kecil dari α : 5 0,05 sig α, berarti terdapat pengaruh signifikan antara variabel independen secara parsial dengan variabel dependen. Dengan menggunakan metode regresianalisis regresi linier berganda. Signifikansi model regresi pada 99 penelitian ini diuji dengan melihat nilai sig. yang ada di tabel 4.7. Selengkapnya mengenai hasil uji t penelitian dapat dilihat sebagai berikut. Tabel 4.7 Hasil Uji t Sumber: Data sekunder diolah Hasil Uji Hipotesis 2 Pengaruh Capital Adequacy Ratio terhadap penyaluran kredit. Hasil uji hipotesis 2 dapat dilihat pada tabel 4.7, variabel car mempunyai tingkat signifikansi 0,000. Hal ini berarti menerima Ha 1 sehingga dapat dikatakan bahwa car berpengaruh signifikan terhadap penyaluran kredit karena tingkat signifikansi yang dimiliki variabel car lebih kecil dari 0,05. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -31.950 1.244 -25.679 .000 ln_CAR .079 .020 .017 3.923 .000 ln_ROA .013 .010 .006 1.301 .194 ln_LDR .909 .021 .179 43.547 .000 ln_M2 1.411 .495 .013 2.852 .005 ln_SBI .024 .035 .003 .688 .492 ln_npl .031 .006 .022 5.462 .000 ln_dpk 16.084 .075 .955 213.554 .000 a. Dependent Variable: kredit 100 Hasil Uji Hipotesis 3 Pengaruh Return On Assets terhadap penyaluran kredit.