Gambar 4.2 Normal P-Plot
Sumber : Output SPSS 17 Laporan
Statistik Perbankan Indonesia, diolah
Berdasarkan gambar 4.2 Normal Probability Plot di atas dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas
karena data menyebar di sekitar garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.3.2. Uji Multikolinearitas
Uji Multikolonieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009.
Adanya Multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor VIF. Jika nilai tolerance di bawah
1 dan nilai Variance Inflatio n Factor VIF tidak lebih dari 10 maka model terbebas dari multikolinearitas.
Tabel 4.4 Uji Multikolinearitas
Sumber : Output SPSS 17 Laporan
Statistik Perbankan Indonesia, diolah
Berdasarkan tabel 4.4 di atas, dapat kita lihat bahwa nilai tolerance dan VIF dari variable DPK adalah sebesar 0,893 dan 1,120.
Untuk variabel CAR adalah sebesar 0,730 dan 1,369. Untuk variabel LDR adalah sebesar 0,827 dan 1,209. Untuk variabel NPL sebesar
0,584 dan 1,714. Dari output dapat dilihat nilai tolerance keempat variabel berada dibawah 1 dan VIF kurang dari 10. Maka, dapat
disimpulkan bahwa tidak terjadi multikolinearitas antarvariabel bebas.
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.599
1.565 2.300
.028 DPK
.668 .086
.724 7.757
.000 .893
1.120 CAR
-.100 .080
-.129 -1.248
.220 .730
1.369 LDR
-.001 .010
-.014 -.148
.883 .827
1.209 NPL
-1.578 .821
-.222 -1.923
.063 .584
1.714 a. Dependent Variable: KREDIT
4.3.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain. Model regresi yang baik adalah yang tidak terjadi heteroskedasitas. Pengujian untuk melihat ada atau
tidaknya Heteroskedisitas dapat dilakukan dengan melihat scatter plot antara nilai prediksi variabel terikat ZPRED dengan residual
SRESID. Jika titik-titik pada scatter plot tersebut membentuk pola tertentu yang teratur misal bergelombang, melebar kemudian
menyempit, maka dapat diindikasikan telah terjadi heteroskedastisitas. Hasil pengujian heteroskedasitas yang dilakukan pada penelitian ini
dapat dilihat pada gambar berikut:
Gambar 4.3 Uji Hesteroskedastisitas
Sumber : Output SPSS 17 Laporan
Statistik Perbankan Indonesia, diolah
Berdasarkan scatter plot di atas terlihat bahwa titik-titik menyebar secara acak serta tersebar di atas maupun di bawah angka 0
pada sumbu Y. Maka dapat disimpulkan bahwa dalam model regresi ini tidak terjadi heteroskedasitas.
4.3.4. Uji Autokorelasi