One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 30
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .37239233
Most Extreme Differences
Absolute .218
Positive .218
Negative -.125
Kolmogorov-Smirnov Z 1.192
Asymp. Sig. 2-tailed .117
a. Test distribution is Normal. b. Calculated from data.
Sumber : hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas atau Asymp. Sig. 2-tailed sebesar 0,117. Dalam penelitian ini, tingkat
signifikansi yang digunakan adalah � = , . Karena nilai probabilitas , yakni
0,117, lebih besar dibandingkan tingkat signifikansi, yakni 0,05, hal ini berarti data berdistribusi normal.
4.2.2 Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi
suatu variabel bebas terjadi multikolinearitas Ghozali, 2013.
Universitas Sumatera Utara
Tabel 4.3 Uji Multikolinearitas
Model Collinearity
Statistics Tolerance VIF
1 Constant
Inflasi .887 1.128
Suku Bunga
.856 1.168 CAR
.995 1.005 NPL
.955 1.047
Sumber : hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari variabel inflasi
adalah 1,128, nilai VIF dari variabel suku bunga adalah 1,168, nilai VIF dari variabel CAR adalah 1,005, dan nilai VIF dari variabel NPL adalah 1,047. Karena
masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.3 Uji Autokorelasi
Menurut Ghozali 2011 uji autokorelasi bertujuan untuk menguji apakah terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui adanya korelasi dalam suatu regresi dapat
dilakukan uji Run Test.
Universitas Sumatera Utara
Tabel 4.4 Uji Autokorelasi dengan Uji Run Runs Test
Unstandardize d Residual
Test Value
a
-.11886 Cases Test Value
15 Cases = Test Value
15 Total Cases
30 Number of Runs
13 Z
-.929 Asymp. Sig. 2-
tailed .353
a. Median Berdasarkan Tabel 4.4, diketahui nilai probabilitas atau Asymp. Sig. adalah
0,353, di mana lebih besar dari 0,05, maka tidak terjadi gejala autokorelasi. Selanjutnya, akan digunakan juga uji Durbin-Watson untuk menguji apakah
terjadi gelaja autokorelasi.
Tabel 4.5 Uji Autokorelasi dengan Uji Durbin-Watson Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.631
a
.398 .302
.4010788 1.511
a. Predictors: Constant, NPL, CAR, Inflasi, Suku Bunga b. Dependent Variable: KUR
Gejala autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson. Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Nilai statistik dari
uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 2009:220-221, Gio, 2015.
Universitas Sumatera Utara
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 1,511. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3,
maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi. Perhatikan juga bahwa diketahui
dengan jumlah variabel bebas
= dan jumlah pengamatan sebanyak = adalah
= , 9.
Perhatikan bahwa karena ,
− , yakni , 9 ,
, , maka disimpulkan bahwa tidak terjadi autokorelasi.
4.2.4 Uji Heteroskedastisitas
