Koefisien Regresi Analisis Pengujian Asumsi Klasik

66

4. Koefisien Regresi

Dalam koefisien regresi bilangan konstanta a adalah bilangan yang menunjukan penjualan logam mulia sebelum adanya pengaruh dari pendapatan pegadaian syariah X=0 Koefisien regresi atau parameter b positif, maka menunjukan adanya pengaruh terhadap penjualan logam mulia terhadap pendapatan pegadaian syariah. Bentuk umum persamaan regresi linier sederhana adalah Y = a + bX Keterangan : Y = Pendapatan Pegadaian Syariah X = Penjualan Logam Mulia a = Konstanta, yaitu nilai Y bila X=0 b = Koefisien regresi yaitu perubahan pada Y jika X berubah satu satuan 67 Tabel 4.10 Coefficients a Model Unstandardized Coefficients Standardi zed Coefficie nts t Sig. 95 Confidence Interval for B Collinearity Statistics B Std. Error Beta Lower Bound Upper Bound Tolera nce VIF 1 Constant 4.553E 9 2.659E8 17.125 .000 4.013E9 5.094E9 Penjualan logam mulia 18.413 4.985 .535 3.693 .001 8.282 28.545 1.000 1.000 a. Dependent Variable: Pendapatan pegadaian syariah Hasil dari table 4.10 pada hasil print out spss coefficients untuk menentukan koefisien regresi. Bahwa persamaan regresi untuk pendapatan penjualan logam mulia terhadap pendapatan pegadaian syariah yaitu: Y= 4,553 + 18,413 X a = angka konstanta sebesar 4,553 menyatakan bahwa jika tidak ada pendapatan penjualan logam mulia X, maka pendapatan pegadaian syariah Y sebesar 4,553 b = Koefisien regresi 18,413 menyatakan bahwa setiap penambahan 1 kali pendapatan penjualan logam mulia maka akan menurunkan pendapatan pegadaian syariah sebesar 18,413. Dan begitu juga sebaliknya jika koefisien regresi menunjukkan 18,413 menyatakan bahwa setiap penambahan 1 kali 68 pendapatan penjualan logam mulia maka akan meningkatkan pendapatan pegadaian syariah sebesar 18,413.

5. Analisis Pengujian Asumsi Klasik

a. Asumsi Normalitas

Apakah data tersebut berdistribusi normal atau tidak. Dimana data yang baik itu harus berdistribusi normal. Salah satu cara mendeteksinya adalah dengan cara melihat normal P plot hasil print out SPSS. Jika titik- titiknya mendekati garis diagonal maka dapat dikatakan data berdistribusi normal. Dan sebaliknya jika menjauhi garis diagonal data tersebut tidak berdistribusi normal. Gambar 4.3 69 Pada gambar P plot diatas maka dapat disimpulkan bahwa grafik di atas dapat terlihat bahwa titik-titiknya data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas artinya data ini terdistribusi normal.

b. Uji Heterokedastisitas

Merupakan untuk melihat apakah terdapat ketidaksamaan dalam fungsi regresi. Data yang baik untuk yang tidak ada masalah. Heterokedastisitas ≠ homokedastisitas, salah satu cara mendeteksinya adalah dengan melihat scater plotnya. Gambar 4.4 70 Dari hasil uji heteroskedastisitas yang diperoleh dari perhitungan menggunakan SPSS 16,0 pada gambar di atas, sama halnya dengan prinsip normalitas uji heterokedastisitas dapat dideteksi dengan melihat penyebaran data titik. Maka berdasarkan pada gamabar di atas, pada scatterplotnya dapat dilihat titi-titiknya menyebar di derah positif dan negatif serta tidak membentuk pola, sehingga dapat disimpulkan data tersebut tidak ada masalah heterokedastisitas Homokedastisitas

c. Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi kesalahan pengganggu pada periode t-1 sebelumnya. Untuk pengambilan keputusan ada tidaknya autokorelasi dapat dilihat pada tabel di bawah ini: Tabel 4.11 Pengambil Keputusan ada Tidaknya Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No Decision 0 d du Tidak ada autokorelasi negatif Tolak 4 – dl d 4 Tidak ada autokorelasi negatif No Decision 4- du d 4 - dl Tidak autokorelasi positif, negatif Tidak Ditolak Du d 4 - du 71 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .535 a .286 .265 9.228E8 1.503 a. Predictors: Constant, pendapatan logam mulia b. Dependent Variable: pendapatan pegadaian Nilai Durbin Watson yang didapat pada penelitian ini adalah 1.503, nilai ini akan dibandingkan dengan menggunakan nilai signifikan 5 jumlah sampel 36 dan jumlah variabel independen variabel bebas 1 k=1, Cara menghitung manual dengan asumsi tingkat kesalahan 5, variabel bebas K=1 dengan total df+1 = 35 + 1 = 36, nilai durbin lower dl sebesar 1,41 dan durbin upper du sebesar 1,52 data dl dan du bisa dilihat pada tabel statistik d Durbin-Watson, dengan alfa 5. Maka dapat dilihat pada gambar di bawah ini. Maka tabel Durbin Watson akan didapatkan sebagai berikut: Tabel 4.12 Manual Perhitungan Durbin-Watson Berdasarkan print out pada model summary dapat dilihat nilai Durbin- Watson sebesar 1,503 artinya ada korelasi satu sama lain karena terletak Korelasi + Tidak ada Korelasi Tidak tahu Tidak tahu Korelasi - Dl=1,41 Du=1,52 4-du=2,48 4-dl=2,59 4 72 didaerah positif + dan di antara 0 dan durbin lower d u . Maka data ini berpengaruh pada penjualan logam mulia terhadap pendapatan pegadaian syariah.

D. Perbandingan Pendapatan Pegadaian Syariah Cabang Cinere Sebelum dan