Uji Prasyarat Analisi Data

Tabel V.11 Hasil Uji Linieritas No Variabel Nilai F Sig Kesimpulan 1 Besarnya pinjaman berpengaruh terhadap pendapatan 25,555 0,000 Linear Karena nilai signifikan 0,000 0,05 2 Pemanfaatan pinjaman berpengaruh terhadap pendapatan 20,135 0,000 Linear Karena nilai signifikan 0,000 0,05 3 Jangka waktu pinjaman berpengaruh terhadap pendapatan 6,821 0,011 Linear Karena nilai signifikan 0,011 0,05 4 Bunga pinjaman berpengaruh terhadap pendapatan 28,440 0,000 Linear Karena nilai signifikan 0,000 0,05 Sumber : data diolah, 2012 Pada hasil output ANOVA tabel pertama diketahui bahwa nilai signifikansi Linearity sebesar 0,000. Karena nilai signifikansi 0,000 0,05 maka dapat disimpulkan bahwa hubungan antara variabel besarnya pinjaman berpengaruh terhadap besarnya pendapatan anggota dinyatakan linier. Hasil output ANOVA tabel kedua dapat diketahui bahwa nilai signifikansi Linearity sebesar 0,000. Karena nilai signifikansi 0,000 0,05 maka dapat disimpulkan bahwa hubungan antara variabel pemanfaatan pinjaman berpengaruh terhadap pendapatan anggota dinyatakan linier. Sedangkan hasil output ANOVA tabel yang ketiga menunjukkan bahwa nilai signifikansi Linearity sebesar 0,011. Karena nilai signifikansi 0,011 0,05 maka dapat disimpulkan bahwa hubungan antara variabel jangka waktu pinjaman berpengaruh terhadap besarnya pendapatan anggota dinyatakan linier. Hasil output ANOVA tabel keempat dapat diketahui bahwa nilai signifikansi Linearity sebesar 0,000. Karena nilai signifikansi 0,000 0,05 maka dapat disimpulkan bahwa hubungan antara variabel bunga pinjaman berpengaruh terhadap pendapatan anggota dinyatakan linier.

2. Uji Asumsi Klasik

Uji Asumsi Klasik dilakukan untuk mengetahui pengaruh satu atau lebih variabel bebas terhadap variabel terikat. Model regresi yang baik adalah model regresi yang terbebas dari masalah heteroskedastisitas, masalah multikolinearitas dan masalah autokorelasi. Oleh karena itu, pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE best linear unbiased estimator yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat autokorelasi. a. Uji Multikonelieritas Multikolinearitas adalah keadaan dimana dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna Priyatno 2010 : 62. Model regresi yang baik mensyaratkan tidak ada masalah multikolinearitas. Untuk mendeteksi ada tidaknya multikolinearitas, dilakukan dengan melihat nilai tolerance dan VIF. Dasar analisis yang digunakan yaitu jika tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak terjadi masalah multikolinearitas. Tabel V.12 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.502 3.617 .415 .679 Besarnya_Pinj aman .253 .082 .266 3.076 .003 .828 1.208 Pemanfaatan_ Pinjmanan .241 .078 .253 3.081 .003 .920 1.087 Jangka_Wakt u_Pinjaman .183 .073 .198 2.499 .014 .987 1.013 Bunga_Pinjam an .296 .082 .311 3.622 .000 .843 1.187 a. Dependent Variable: Pendapatan Sumber : data diolah,2012 Nilai tolerance dari setiap variabel adalah: Besarnya Pinjaman 0,8280,1 Pemanfaatan Pinjaman 0,9200,1 Jangka Waktu Pinjaman 0,9870,1 dan Bunga Pinjaman 0,8430,1. Dan nilai VIF tiap variabel adalah Besarnya Pinjaman 1.20810 Pemanfaatan Pinjaman 1.08710 Jangka Waktu Pinjaman 1.01310 dan Bunga Pinjaman 1.18710. Jadi dapat disimpulkan bahwa dalam model regresi tidak terjadi dalam multikolinearitas. b. Uji Heteroskedasitas Heterokedastisitas adalah suatu keadaan dimana varians dari kesalahan penganggu tidak konstan untuk suatu nilai variabel bebas Supranto, 2004 : 68. Untuk mendeteksi terjadinya heterokedastisitas digunakan uji korelasi rank dari Spearman Tabel V.13 Hasil Uji Heteroskedasitas Correlations Besarnya_Pi njaman Pemanfaat an_Pinjma nan Jangka_W aktu_Pinja man Bung a_Pin jama n Pendapatan residual yg dimutlakkan Spearman s rho Besarnya_ Pinjaman Correlation Coefficient 1.000 .258 .115 .367 .453 -.132 Sig. 2- tailed . .010 .260 .000 .000 .194 N 98 98 98 98 98 98 Pemanfaat an_Pinjma nan Correlation Coefficient .258 1.000 .052 .260 .392 -.114 Sig. 2- tailed .010 . .614 .010 .000 .265 N 98 98 98 98 98 98 Jangka_W aktu_Pinja man Correlation Coefficient .115 .052 1.000 .062 .261 -.031 Sig. 2- tailed .260 .614 . .541 .009 .763 N 98 98 98 98 98 98 Bunga_Pin jaman Correlation Coefficient .367 .260 .062 1.000 .442 -.174 Sig. 2- tailed .000 .010 .541 . .000 .087 N 98 98 98 98 98 98 Pendapata n Correlation Coefficient .453 .392 .261 .442 1.000 -.061 Sig. 2- tailed .000 .000 .009 .000 . .550 N 98 98 98 98 98 98 residual yg dimutlakka Correlation Coefficient -.132 -.114 -.031 -.174 -.061 1.000