69
Hipotesis yang digunakan: H0 : residual dari model berdistribusi normal
H1 : residual dari model tidak berdistribusi normal Uji ini dilakukan dengan membandingkan statistik Jarque-
Bera JB dengan x
2
tabel. Jika nilai Jarque- Bera JB ≤ x
2
tabel maka dengan random effect method diketahui bahwa nilai residual
terstandarisasi dinyatakan berdistribusi normal. Suliyanto, 2011:75
Gambar 4.1 Hasil Uji Normalitas
Sumber : Data diolah
Pada hasil grafik histogram penyaluran kredit diatas menunjukan nilai Jarque-Bera sebesar 3,591276 sedangkan nilai X
2
tabel dengan df: 0,05, 3 adalah 7,814. karena nilai statistik Jarque-Bera JB 3,591276
nilai x
2
tabel 7,814, nilai residual terstandarisasi berdistribusi normal.
2 4
6 8
10 12
14
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5 2.0
Series: Standardized Residuals Sample 2005 2012
Observations 72
Mean -9.85e-15
Median -0.217398
Maximum 1.788610
Minimum -1.560693
Std. Dev. 0.827237
Skewness 0.131292
Kurtosis 1.937860
Jarque-Bera 3.591276
Probability 0.166021
70
b. Uji Multikoliniearitas
Multikoliniearitas adalah kondisi adanya hubungan erat antara variabel-variabel independen di dalam suatu model regresi. Adanya
multikoliniearitas masih menghasilkan estimator BLUE, tetapi menyebabkan suatu model mempunyai varian yang besar Widarjono,
2009:104. Dalam penelitian ini metode yang dipakai untuk mendeteksi
ada tidaknya masalah multikolinearitas dalam suatu model regresi adalah dengan melihat dari korelasi parsial antar variabel independen.
Sebagai aturan yang kasar rule of thumb, jika koefesien korelasi cukup tinggi diatas 0,8 maka kita duga ada multikoliniearitas dalam
model. Sebaliknya jika koefisien korelasi kurang dari 0,8 maka kita duga model tidak mengandung unsur multikolinearitas Widarjono,
2009:106.
Tabel 4.8 Uji Multikolinearitas
ROA LDR
NPL ROA
1 -0.1632416648494514 -0.369137978625767
LDR -0.1632416648494514
1 -0.3055966730499294
NPL -0.369137978625767 -0.3055966730499294
1
Sumber: Data diolah
Dari matrik korelasi diatas terlihat bahwa hubungan antara variabel independennya semuanya dibawah 0,8 sehingga disimpulkan bahwa data
yang digunakan
dalam penelitian
ini terbebas
dari masalah
multikolinieritas.
71
c. Uji Park
Dalam mendeteksi ada tidaknya masalah heteroskedastisitas dapat dilakukan dengan uji park deteksi masalah heteroskedastisitas
Varian yang tidak konstan atau masalah heteroskedastisitas muncul karena residual ini tergantung dari variabel independennya yang ada
didalam model.
Tabel 4.9 Uji Park
Sumber: Data diolah
Dari tabel uji park dapat disimpulkan bahwa nilai probabilitas sebesar 0,3247, 0,1484, 0,0761, dan 0,5325 lebih besar dari 0,05
maka dapat dipastikan model tidak mengandung gejala heteroskedastisitas atau dikatakan tidak dikatakan tidak terjadi heteroskedastisitas.
