4.2.2. Analisis Dengan Menghilangkan Variabel Jumlah Pinjaman X
3
dan Modal Kerja X
4
4.2.2.1. Hasil Uji Asumsi Klasik
Dalam analisis sebelumnya digunakan empat variabel bebas dengan satu variabel terikat terjadi multikolinieritas. Maka salah satu cara
ntuk mengobatinya adalah dengan menghilangkan salah satu atau beberapa variabel bebasnya [Ghozali : 2001].
Dengan demikian dalam analisis selanjutnya variabel bebas yang tidak diuji dalam penelitian ini adalah variabel Jumlah Pinjaman X
3
dan variabel Modal Kerja X
4
. a.
Multikolinieritas Multikollinieritas berarti terjadi korelasi mendekati sempurna
antar variabel bebas. Menurut Ghozali [2001] cara untuk mengetahui ada atau tidaknya gejala multikolinieritas antara lain dengan melihat
nilai VIF Variance Inflation Factor dan Tolerance, apabila nilai VIF kurang dari 10 dan Tolerance lebih dari 0,1, maka dinyatakan tidak
terjadi multikolinieritas. Berdasarkan pengolahan dengan SPSS diperoleh data VIF
sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 11 Hasil Uji Multikolinieritas Dua Variabel Bebas
Sumber : Lampiran 4
Tabel di atas menunjukkan bahwa nilai VIF pada variabel bebas mempunyai nilai VIF lebih kecil daripada 10. Pada variabel
Jumlah Anggota X
1
sebesar 5,264 dan variabel Jumlah Simpanan X
2
sebesar 5,264. Nilai Tolerance pada variabel bebas juga mempunyai nilai lebih besar dari 0,1 , yaitu masing-masing pada
variabel Jumlah Anggota X
1
sebesar 0,19 dan variabel Jumlah Simpanan X
2
sebesar 0,19. Hal ini menunjukkan bahwa pengujian asumsi klasik pada
penelitian ini sudah terbebas dari penyimpangan multikoliner. Maka selanjutnya dilakukan penelitian dengan satu variabel terikat dan dua
variabel bebas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-1.173E8 1.848E8
-.634 .546
X
1
= Jumlah Anggota 259144.375 494491.329 .064
.524 .616
.190 5.264
X
2
= Jumlah Simpanan
.154 .020
.932 7.649
.000 .190
5.264 a. Dependent Variable: Y = SHU
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Autokorelasi
Autokorelasi adalah korelasi antara dua observasi yang diurutkan berdasarkan waktu urut time series atau data yang diambil
pada waktu tertentu data cross sectorial. Uji autokorelasi bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya [Ghozali, 2006 : 95].
Uji untuk pendeteksian autokorelasi adalah uji Durbin-Watson. Nilai Durbin-Watson dapat dilihat pada output Regression pada tabel
Model Summary kolom Durbin Watson.
Tabel 12 Hasil Uji Autokorelasi
Sumber : Lampiran 4
Tabel di atas menunjukkan bahwa nilai Durbin-Watson sebesar 2,417. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah
data n = 10 , serta k = 2 k adalah jumlah variabel bebas diperoleh
nilai dl sebesar 0,697 dan du sebesar 1,641 Lampiran 6.
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .990
a
.980 .975
2.178E7 2.417
a. Predictors: Constant, X
2
= Jumlah Simpanan, X
1
= Jumlah Anggota b. Dependent Variable: Y = SHU
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4 Kurva Durbin Watson
T idak ada aut okorelasi posit if dan t idak ada
aut okorelasi negat if
dL dU
4 - dU 4 - dL
4
ad a
au to
ko re
la si
p os
iti f
daerah keragu
raguan
ad a
au to
ko re
la si
n eg
at if
daerah keragu
raguan
0,697 1,641 2,359 3,303 2,417
DW
Berdasarkan kurva Durbin Watson di atas menunjukkan bahwa nilai d yang dihasilkan berada di antara 4-du 2,359 sampai dengan 4-
dl 3,303 atau berada di daerah keragu-raguan. Hal ini dapat diartikan bahwa pengujian asumsi klasik pada penelitian ini sudah terbebas dari
penyimpangan autokorelasi. c.
Heterokedastisitas Heterokedastisitas bertujuan untuk menguji apakah model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya
heteroskedastistas, digunakan korelasi Rank Sperman antara residual dengan variabel independen [Ghozali, 2006 : 105] .
Menurut Santoso [2002 : 231], apabila nilai signifikan hitung sig dari tingkat signifikan α = 0,05 berarti tidak terjadi
heteroskedastistas. Sedangkan apabila nilai signifikan hitung sig dari tingkat signifikan α = 0,05 berarti terjadi heteroskedastistas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 13 Hasil Uji Heterokedastisitas
Correlations
X
1
= Jumlah Anggota
X
2
= Jumlah Simpanan
Unstandardized Residual
Spearmans rho X
1
= Jumlah Anggota
Correlation Coefficient 1.000
.851 .128
Sig. 2-tailed .
.002 .725
N 10
10 10
X
2
= Jumlah Simpanan
Correlation Coefficient .851
1.000 .030
Sig. 2-tailed .002
. .934
N 10
10 10
Unstandardized Residual
Correlation Coefficient .128
.030 1.000
Sig. 2-tailed .725
.934 .
N 10
10 10
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Lampiran 4
Tabel di atas menunjukkan bahwa korelasi variabel Jumlah Anggota X
1
dengan Unstandardized Residual nilai signifikansi sebesar 0,725 dan variabel Jumlah Simpanan X
2
dengan Unstandardized Residual nilai signifikansi sebesar 0,934. Karena
signifikansi lebih dari 0,05, maka dapat diartikan bahwa pengujian asumsi klasik pada penelitian ini sudah terbebas dari penyimpangan
heterokedastisitas. Berdasarkan hasil uji asumsi klasik tersebut, maka model
regresi yang diperoleh merupakan model yang menghasilkan estimasi linear yang tidak bias yang baik yang artinya bahwa koefisien regresi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
pada persamaan tersebut linear dan tidak bias, karena memenuhi beberapa asumsi yaitu tidak terjadi multikolinieritas, tidak terjadi
autokorelasi, serta tidak terjadi heterokedastitas.
4.2.2.2. Hasil Uji Hipotesis
Kategori