80
sebaran data disebut berdistribusi normal apabila memiliki taraf signifikan 0,05
Sumar
erkecil biasa ordinary least squares enghasilkan estimasi linier tidak bias yang
terbaik asik yaitu :
Hasil pengujian autokorelasi dengan menggunakan Durbin Watson. Tersaji dalam tabel berik
Tabe
≤ DW ≤ 4-dl maka ada pada aerah ragu-ragu atau tanpa kesimpulan Ghozali, 2006:105, sehingga tidak dapat
isimpulkan ada tidaknya autokorelasi, oleh karena itu penulis menyimpulkan bahwa penelitian ini dapat dilanjutkan.
sono, 2004:41-43.
2. Hasil Pengujian Regresi Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat t
merupakan model regresi yang m Best linear Unbias Estimator BLUE. Kondisi ini akan terjadi jika
dipenuhi beberapa asumsi kl
a. Pengujian Autokolerasi
ut:
l 4.11. Hasil Uji Autokolerasi
Model Summary
b
Sumber: lampiran 4
Nilai DW Durbin Watson yang dihasilkan adalah sebesar 3,039 dimana berdasarkan tabel DW, dl = 0,658 dan du = 1,864, sehingga 4-du
≤ DW ≤ 4-dl. Berdasarkan tabel kriteria Durbin Watson, jika 4-du
d d
,993
a
,986 ,981
104532506 3,039
Model 1
R R Square
Adjusted R Square
Durbin- Watson
Std. Error of the Estimate
Predictors: Constant, Pendapatan, Jumlah Anggota, Alokasi Dana a.
Dependent Variable: Pemberian Kredit b.
81
uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggu
an’s
Hasil p ank Sp
d bel beri
T l
a Heter stisitas
Nil ak
dari residual Signifikansi Keterangan
b. Pengujian Heteroskedastisitas
Hasil nakan bantuan program SPSS 12.0 dengan melihat Rank Spearm
Correlation. engujian R
earman’s dapat ilihat pada ta kut ini:
abe 4.12. Hasil Penguji n oskeda
No Variabel
ai mutl Taraf
1. A
sitas lokasi Dana X
2
0,014 0,966 Non
Heteroskedasti 2
J sitas
umlah Anggota X
3
0,109 0,736 Non
Heteroskedasti 3 Pendapatan
X
4
0,049 0,880
Non Heteroskedastisitas
Sumber : Lampiran 4.1.
Dari hasil korelasi tersebut tidak diperoleh adanya korelasi yang signifikan antara Unstandardized Residual dengan masing-masing variabel bebas yang
diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat nyimpangan heteroskedastisitas pada variabel-
variabe
Factor VIF. leh hasil bahwa nilai VIF untuk
m g
T el
Mult er
Tolerance VIF Keterangan
disimpulkan bahwa tidak terjadi pe l bebas yang diteliti.
c. Pengujian Multikolinearitas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation
Berdasarkan hasil pengujian, dipero asin -masing variabel adalah sebagai berikut:
ab 4.13. Hasil Pengujian ikolini
No Variabel
82
1 Alokasi Dana X
2
0,013 79,485
Terjadi Multikolinier
2 Jumlah Anggota X
0,398 2,514
Non Multikolinier
3
3 Pendapatan X
4
0,014 69,465
Terjadi Multikolinier
Sumber : Lampiran 4.1.
Berdasarkan tabel di atas dapat diketahui bahwa nilai VIF hanya pada variabel Jumlah Anggota X saja yang mempunyai nilai VIF lebih kecil dari 10
Ghozali, 2006:91, yang berarti bahwa hanya variabel Jumlah Anggota saja yang terbebas dari penyimpangan multikolinier. Sedangkan pada variabel Alokasi Dana
X dan Pendapatan X
4
mempunyai nilai VIF yang lebih besar dari 10, berarti bahwa pada variabel tersebut terkena multikolinier. Oleh karena dua variabel yang
terkena multikolinier, maka penelitian ini tidak bisa dilanjutkan untuk dilakukan pengujian berikutnya.
C. Analisis Dengan Menghilangkan X
Dalam analisis sebelumnya dilakukan dengan menggunakan tiga variabel bebas dengan satu variabel terikat dan masih terjadi mulikolinieritas, maka
selanjutnya cara untuk mengobatinya adalah dengan menghilangkan satu variabel bebasnya. Dengan demikian dalam analisis selanjutnya variabel bebas yang akan
diuji dalam penelitian ini adalah Jumlah Anggota X
3
dan Pendapatan Koperasi X .
1. Uji Normalitas
Berdasarkan hasil pengujian normalitas yang dilakukan terhadap dua variabel bebas dan satu variabel terikat yang diteliti dengan menggunakan uji
Kolmogorov-Smirnov dan Shapiro Wilk didapatkan hasil sebagai berikut :
3
2
2
4
83
Tabel 4.14. Hasil Uji
n yang lebih dari 0,05, sesuai dengan kriteria bahwa
a memiliki taraf signifikan 0,05
Sumar
asilkan estimasi linier tidak bias yang stimator BLUE. Kondisi ini akan terjadi jika
dipenu
si
asil pengujian autokorelasi dengan menggunakan Durbin Watson tersaji pada tabel sebagai berikut:
Normalitas
Tests of Normality
Sumber: lampiran 5
Berdasarkan hasil pengujian normalitas yang disajikan pada tabel 4.10 di atas diketahui bahwa nilai statistics Kolmogorov-Smirnov yang diperoleh
mempunyai taraf signifika sebaran data disebut berdistribusi normal apabil
sono, 2004:41-43. 1.
Hasil Pengujian Regresi Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa ordinary least squares
merupakan model regresi yang mengh terbaik Best linear Unbias E
hi beberapa asumsi klasik yaitu :
a. Pengujian Autokolera
