c. Hasil Uji Heteroskedastisitas Untuk mendeteksi ada tidaknya heteroskedastisitas, uji statistik
yang digunakan penulis ialah Uji Glejser. Pada uji ini, dapat
dikatakan tidak terjadi heteroskedastisitas ialah apabila nilai probabilitas F hitung lebih besar dari nilai α = 5 0,05.
Tabel 4.4 Uji Heteroskedastisitas
Nilai probabilitas F hitung ialah 0,5241. Ini menunjukkan bahwa nilai tersebut lebih besar dari nilai
α = 5 0,05. Dengan demikian, pada pengujian ini model tersebut dikatakan terbebas dari gejala
heteroskedastisitas. d. Hasil Uji Autokorelasi
Pada penelitian ini penulis menggunakan uji Breusch Godfrey LM untuk mendeteksi gejala autokorelasi. Apabila nilai probabilitas lebih
besar dari nilai α = 0,05 maka disimpulkan bahwa tidak terjadi autokorelasi. Namun jika nilai probabilitas lebih kecil dari 0,05 maka
dapat disimpulkan bahwa model tersebut terkena gejala autokorelasi.
Heteroskedasticity Test: Glejser F-statistic
0.876619 Prob. F6,29 0.5241
ObsR-squared 5.526890 Prob. Chi-Square6
0.4782 Scaled explained SS
5.569589 Prob. Chi-Square6 0.4731
Tabel 4.5 Uji Autokorelasi
Dari tabel 4.3 diatas, terlihat bahwa nilai probabilitas F –Statistic
sebesar 0,056 lebih besar dari nilai α = 0,05 maka dapat disimpulkan bahwa pada penelitian ini tidak terjadi gejala autokorelasi.
D. Hasil Pengujian Hipotesis
a. Model Penelitian
Analisis regresi
digunakan untuk
mengestimasi atau
memprediksi nilai rata-rata variabel berdasarkan nilai variabel independen yang diketahui. Hasil pengolahan data yang dilakukan
dengan menggunakan
program komputer
Eviews 8.0
dan menggunakan metode regresi linier berganda atau Ordinary Least
Square OLS ditampilkan pada tabel berikut :
Tabel 4.9 Hasil Regresi Metode OLS
Dependent Variable: NPF Method: Least Squares
Date: 072616 Time: 14:16 Sample: 2013M01 2015M12
Included observations: 36 Variable
Coefficient Std. Error
t-Statistic Prob.
C -4.817457
3.065388 -1.571565
0.1269 Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.447952 Prob. F6,23
0.0560 ObsR-squared
14.02997 Prob. Chi-Square6 0.0293
FDR 0.017447
0.022583 0.772585
0.4460 BOPO
0.015660 0.007247
2.160980 0.0391
NOM -0.121415
0.087564 -1.386590
0.1761 ROA
-0.073062 0.093986
-0.777370 0.4432
INFLASI -0.173234
0.030779 -5.628422
0.0000 DPK
0.366387 0.049561
7.392619 0.0000
Dari tabel diatas, maka dapat disusun persamaan regresi linier berganda sebagai berikut :
NPF = -4.817457 + 0.017447 FDR + 0.015660 BOPO - 0.121415 NOM
– 0.073062 ROA - 0.173234 INFLASI + 0.366387 DPK
Dari hasil olah data OLS, nilai konstanta sebesar -4.817457 artinya bahwa apabila variabel bebas independen dianggap konstan
atau tidak mengalami perubahan maka akan menurunkan atau mengurangi nilai NPF sebesar 4.817457. Hal ini menunjukan akan
terjadi penurunan NPF apabila variabel FDR, BOPO, NOM, ROA, Inflasi, dan DPK dianggap konstan. Sehingga tabel diatas dapat
memberikan gambaran bahwa melalui hasil regresi linier berganda dengan metode OLS menunjukan hasil sebagai berikut :
1. Nilai koefisien regresi FDR adalah sebesar 0.017447 yang berarti bahwa setiap peningkatan 1 FDR akan menaikkan NPF sebesar
0.017447 dengan asumsi kondisi variabel bebas lain tetap. 2. Nilai koefisien regresi BOPO adalah sebesar 0.015660 yang
berarti bahwa setiap peningkatan 1 BOPO akan menaikkan NPF sebesar 0.015660 dengan asumsi kondisi variabel bebas lain tetap.
3. Nilai koefisien regresi NOM adalah sebesar 0.121415 yang berarti bahwa setiap peningkatan 1 NOM akan menurunkan NPF
sebesar 0.121415 dengan asumsi kondisi variabel bebas lain tetap. 4. Nilai koefisien regresi ROA adalah sebesar 0.073062 yang berarti
bahwa setiap peningkatan 1 ROA akan menurunkan NPF sebesar 0.073062 dengan asumsi kondisi variabel bebas lain tetap.
5. Nilai koefisien regresi Inflasi adalah sebesar 0.173234 yang berarti bahwa setiap peningkatan 1 Inflasi akan menurunkan
NPF sebesar 0.173234 dengan asumsi kondisi variabel bebas lain tetap.
6. Nilai koefisien regresi DPK adalah sebesar 0.366387 yang berarti bahwa setiap peningkatan 1 DPK akan menaikkan NPF sebesar
0.366387 dengan asumsi kondisi variabel bebas lain tetap.
b. Hasil Uji t Uji Signifikansi Parameter Individual
Uji t bertujuan untuk mengetahui seberapa jauh pengaruh variabel independen secara individual parsial yaitu FDR,BOPO,
NOM, ROA, Inflasi, dan DPK dalam menerangkan variabel dependen yaitu NPF. Apabila t hitung t tabel maka tingkat kepercayaan
tertentu H
1
diterima, yang artinya variabel independen berpengaruh secara parsial terhadap variabel dependen. Namun apabila t
hitung t tabel maka tingkat kepercayaan tertentu H diterima, yang
artinya variabel independen tidak berpengaruh secara parsial terhadap
variabel dependen.
Tabel 4.8 Uji t
Variable Coefficient
Std. Error t-Statistic
Prob. C
-4.817457 3.065388
-1.571565 0.1269
FDR 0.017447
0.022583 0.772585
0.4460 BOPO
0.015660 0.007247
2.160980 0.0391
NOM -0.121415
0.087564 -1.386590
0.1761 ROA
-0.073062 0.093986
-0.777370 0.4432
INFLASI -0.173234
0.030779 -5.628422
0.0000 DPK
0.366387 0.049561
7.392619 0.0000
Untuk uji signifikansi parameter individual diperlukan nilai dari t tabel. Pada uji ini, didapat nilai t tabel sebesar 2,0452. Berdasarkan
tabel diatas, terlihat bahwa variabel FDR memiliki nilai t hitung sebesar 0,772 2,0452. Ini menunjukkan bahwa secara parsial variabel
FDR tidak berpengaruh terhadap variabel NPF yang berarti H diterima. Sedangkan untuk variabel BOPO memiliki nilai t hitung
sebesar 2,1609 2,0452 yang berarti BOPO berpengaruh secara parsial terhadap NPF H
1
diterima. Nilai t hitung untuk NOM ialah sebesar -1,386 2,0452
menunjukkan variabel ini tidak berpengaruh signifikan terhadap variabel dependennya yang berarti H
diterima. Selanjutnya nilai t hitung untuk variabel ROA sebesar -0,773 2,0452 menunjukan
bahwa ROA tidak berpengaruh signifikan terhadap NPF yang berarti H
diterima. Untuk variabel inflasi didapatkan nilai t hitung sebesar -
